具脑磐石发布类脑认知世界模型Cog-WM 1.0

9月14日，上海具脑磐石科技有限公司在2026浦江创新论坛类脑具身智能分论坛上发布Cog-WM 1.0。该模型被定位为基于成体系类脑神经机制研发的隐空间预测世界模型，已完成从主动探索导航到价值引导操作的能力验证。

Cog-WM 1.0借鉴人脑认知机制，以隐空间中的状态预测替代对像素变化的直接建模，使机器人在没有预建地图和海量任务数据的情况下，也能于陌生环境中进行自主规划、语义导航与连续操作。其设计主要围绕感知编码与目标调控、时空记忆内容和结构分离、隐空间多层级预测三套机制展开，并通过惊异更新减少对已知信息的重复学习。

导航分支将显式空间记忆与前瞻预测结合，根据任务目标和既有记忆预测探索方向，再综合语义匹配与路径成本决定行动。在HM3D-ObjectNav子集上，成功率从BSC-Nav的78.50%提高到86.89%，增加8.39个百分点，相对提升10.69%；SPL也从47.70升至48.35，且不依赖预置3D地图。

在目标尚未出现在视野内时，模型可依据未来状态预测选择探索路径，更早找到开放环境中的沙发等目标。Cog-WM Nav 1.0已部署于四足机器人并用于客户巡检、巡逻场景，也完成了多款轮式人形机器人适配，支持无图导航、路径规划、时空记忆检索、空间关系问答和寻物。

操作分支Cog-WM Manip 1.0采用多时间尺度预测，同时学习近期动作后果与更长期的任务状态，并通过价值引导利用执行轨迹改进策略。团队披露，在RoboTwin 2.0 Hard、LIBERO-Plus等三项主流操作基准上，模型均超过基于海量数据预训练的π0.5，最高领先16%。

消融实验显示，LIBERO-Plus成功率由纯策略的80.0%提升至加入局部预测后的81.6%、多时域预测后的82.0%，完整方法达到84.6%。在光照、视角和背景纹理变化下，模型仍保持较高任务完成率，体现出跨场景泛化和鲁棒性。

具脑磐石成立于2025年6月，团队成员来自华为、联想、旷视、极智嘉、中山大学、宾夕法尼亚大学、中科院和清华等机构，具备10年以上AI与神经智能交叉研发、15年以上机器人产业链协同及万台级机器人落地经验。公司认为，具身智能将从单纯依赖模仿学习和大规模预训练，转向结合长期记忆、前瞻预测与类脑机制的多路线发展；同期论坛还汇聚产业、学术、芯片、资本等力量，推动类脑具身智能生态建设。