欢欢＠盖世汽车供应链
悠悠＠盖世汽车
豆豆＠盖世汽车
地瓜机器人发布WM-LOCO方案，首次将预测世界模型引入人形行走
盖世汽车
2026-09-08 09:08:20
分享
分享
盖世具身智能获悉 近日，地瓜机器人宣布推出WM-LOCO方案，首次将预测世界模型引入人形机器人复杂地形行走，与PPO策略实现端到端联合训练。该方案不依赖落脚点标注、教师蒸馏或多模块串行流程，从视觉输入到关节控制指令，训练过程一步到位。
具体而言，WM-LOCO将面向未来视觉与运动状态预测的世界模型引入人形机器人复杂地形行走，在仿真中进行端到端联合训练，并且实现了zero-shot真机迁移。这意味着在仿真中训练好的策略可以直接部署到实体机器人上，无需二次调整。
为了建立对“未来”的理解，WM-LOCO同时接收机器人机载深度视觉与本体感知信息，并通过循环式世界模型，在隐空间中持续学习机器人、动作与环境之间的动态关系。
图片来源：地瓜机器人
不仅如此，WM-LOCO还选择让世界模型与行走策略在同一个训练过程中端到端联合优化。整个系统不需要人工标注落脚点，不依赖预先规划好的足端轨迹，不需要教师—学生式多阶段蒸馏，不需要复杂的多专家结构，也不需要分别训练多个独立模块。从视觉输入到关节动作，训练一步到位。
在真机上，同一套权重以zero-shot方式部署到Unitree G1后：踏石、台阶、缝隙三类地形各测试10次，平均成功率93.3%。其中0.8米宽的缝隙，机器人以一个完整的“摆腿—跨越—落地”动作一步跨过——出于安全考虑，团队没有继续测试更宽的缝隙，但这已经是目前公开工作中少见的真机跨越距离。
目前，该方案已在旭日S600计算平台上完成了公开真机展示。算法在真实机器人、真实传感器和旭日S600计算平台上实时运行，完成了从视觉感知、世界建模到全身运动控制的完整闭环。
