点击下方卡片，关注“具身智能之心”公众号
WRC上，极佳举办了一个论坛，主要是讲通用世界模型。
关于WM在物理世界中理解、生成、预测和行动等。
期间，提出了一个很有意思的L1-L5分级。
看到这里，我们也想问，世界模型现在发展的到底怎么样了？
而这个，可以从他们近日发布的GigaBrain-0.7来看。
今年二季度，极佳视界就已经把自己的答案收敛为一套“双金字塔”框架：五层数据金字塔，解决模型从哪里获得足够多的物理世界经验；三层算法金字塔，解决这些经验如何被理解、对齐并持续强化。
这次，GigaBrain-0.7 是这套框架第一次比较完整的真机验证。
据极佳视界披露，在相同真机评估基准下，GigaBrain-0.7 取得了领先于多款全球头部开源模型的结果。
01.
GigaBrain-0.7 这次给的结果
System-3 进入决策回路：把世界模型放进机器人的实时决策回路，让机器人“先预演判断，再执行动作”。
基模开箱即用：“双塔”体系驱动预训练模型实现“One Model, Many Tasks”的基模能力。
横向评测优势明显：不仅在“具身原生的自研本体Maker H01”上任务成功率展现出明显优势，而且在仿真和真机高度一致的RoboColiseum平台 4 项评测中均排名第一。
真机任务一镜到底：据官方材料，完成了超 20 分钟、超 10 个任务的长程复杂精细操作一镜到底。
真机评测优势明显
仿真评测均排名第一
模型即将开源，感兴趣的读者可以留意项目页。
项目主页：https://gigaai.cc/blog/gigabrain07
技术报告：https://arxiv.org/abs/2608.15875
代码仓库： https://github.com/open-gigaai/giga-brain-0 (Coming soon)
模型地址：https://huggingface.co/open-gigaai/models (Coming soon)
02.
从双金字塔到真机结果
GigaBrain-0.7对“双金字塔”架构每一层做了系统验证，并在相同真机评估基准下，取得了领先于多款全球头部开源模型的结果。
相比单纯的版本迭代，极佳正在把“数据+算法”的双金字塔框架推向大规模工程实践和真机泛化验证。
03.
先看算法：GigaBrain-0.7 的三层金字塔
GigaBrain-0.7把三层算法金字塔放进同一个系统，在模型架构层面覆盖了从物理常识理解和预判、到高精度连续动作控制、再到闭环经验强化的完整链路。
GigaBrain-0.7架构图
第一层
世界模拟（World Simulation）——让 VLA 具备物理常识和预判能力
VLM物理常识理解和规划：
以大规模视觉语言模型VLM（System-2）为大脑主干，深度理解物理世界的常识规律、因果逻辑与高层任务规划。同时通过原生时空交互注意力机制（Temporal-Spatial Block），在空间视觉Token中引入了相对位置编码与相对时间编码，尝试补上具身任务中的长程时序推理短板。
根据高层指令，自主推理规划执行
同一个任务，根据高层指令不同，得到不同的自主推理规划和执行结果
GigaBrain-0.7 任务规划效果
时序训练前：状态有重复的任务会陷入死循环
时序训练后：状态有重复的任务能够顺利退出
GigaBrain-0.7 时序训练前后对比
World Model 未来变化预测和判断：
极佳视界把这一层称为 System-3：用此前发布的 GigaWorld-1 预测物理世界接下来可能发生什么，补上传统 VLA 缺少预判能力的问题。
基于GigaWorld-1的System-3可同步生成当前动作的未来价值评估（Action Value Feedback）和未来关键进展的视觉图像预测，这些未来表征被编码并即时补充至GigaBrain-0.7的输入prompt中，为机器人提供了“预演未来”的能力，提升了高难度、长程长尾任务的真机执行成功率和完成速度。
World Model 预测与困难任务执行真机视频
第二层
动作对齐（Action Alignment）——基于MoT和Flow Matching的多本体动作生成
跨本体参数共享（Shared Action Expert）：
System-1基于MoT架构，采用Flow Matching范式生成高质量连续动作。在Action Expert模块中，不同机械本体共享绝大部分Transformer核心参数，仅通过本体类型ID（Robot ID）路由至对应的输入/输出投影层，推动了异构本体间的操作知识迁移与共享。
软知识隔离（Soft Knowledge Insulation）：
在Action Expert与VLM视觉主干之间设计了Soft Knowledge Insulation机制，既保障了VLM主干强泛化的通用任务理解与规划能力，又尽量提升专用机器人操纵的精度。
端到端联合预训练（Unified End-to-End Pretraining）：
引入随机Prompt动态改写机制，配合细粒度的Subtask与VQA标注，在统一架构内实现Subtask语言规划、VQA视觉理解、离散动作桥接与连续动作生成的一次性端到端联合预训练，提升预训练效率和动作对齐能力，也增强了模型在未知场景中的泛化性与指令遵循能力。
第三层
经验强化（Experience Reinforcement）——从离线经验学习到在线持续强化
GigaBrain-0.7的经验强化管线分为三个步骤：
在监督微调阶段，团队使用少量专家数据训练，让预训练模型在复杂域外任务上具备一定的成功率；
进入离线训练后，上一阶段模型自主 Rollout 采样的数据和人类在环数据被加入训练，让模型具备错误恢复能力、提升成功率的同时，还能够对任务的完成进度和质量进行评估；
到在线训练阶段，团队基于模型评估能力构建稠密奖励，并通过人类在环的方式进行在线强化学习，进一步提高模型在精细操作上的成功率。
GigaBrain-0.7-RL流程图
离线经验学习：
模型执行真机任务时，团队会实时记录 Rollout 数据，并人工标注轨迹成败、进度快慢、质量高低。基于这些人类经验，模型再同步进行 Value 估计和 Policy 更新。这样既让模型具备错误恢复能力，也能评估任务的完成进度和质量，进而更高效地提升大部分任务的完成能力。
在线持续强化：
对于高难度精细复杂操作任务，经过离线强化学习后的模型，也未必能稳定达到 100% 成功率，因此还可以进一步通过人类在环的方式进行在线持续强化学习，通过边执行、边修正、边更新的方式，使得动作轨迹越来越精细、任务完成度越来越高，直到稳定达到 100% 成功率。
04.
再看数据：五层数据金字塔怎么落地
如果说算法决定模型怎么学，数据决定的是它能学到多大边界。GigaBrain-0.7背后是庞大、高质量的跨模态数据集。
海量互联网数据
针对机器人操作场景，据悉，极佳自研了GigaData Platform数据平台，对互联网海量数据进行深度清洗与细粒度结构化标注。不仅构建了近3亿对“图像-语言”数据集，强化了 System-2 在空间理解、目标定位、交互预测及轨迹推理的底层能力；同时还构建了数万小时的视频数据，成为训练 System-3 的数据支撑。
传感器同构的真人数据
同构采集硬件全栈自研：极佳还自研了与双臂人形本体Maker H01传感器完全同构的UMI（手柄示教）与EGO（第一视角头戴）采集设备。
全流程质量闭环：为了保证真人数据质量，团队在硬件设计、数据采集、数据清洗和训练数据构建环节做了多重控制，最终清洗得到近11200小时高质量真人数据。
UMI数据处理流程
EGO数据处理流程
数据效率也值得看：在数据一致性和数据质量足够高的前提下，仅需300条UMI数据进行后训练，即可让Maker H01人形本体在全新任务中实现自主操作。
真人采集
自主运行
生成与仿真数据
依托GigaData Platform，结合视频生成与高保真物理仿真，极佳构建了超5000小时清晰的高质量长尾场景数据，缓解真机采集的安全和成本压力。
GigaData Platform数据生产流程图
真机数据
基于轮臂人形机器人Maker H01与轮臂机器人Maker M01，以及部分开源真机数据，最终清洗得到20500小时的高质量真机数据。
真机数据处理流程
05.
真机表现：和头部开源模型拉开差距
“数据+算法”双金字塔的深度融合，赋予了GigaBrain-0.7较强的具身操控能力。
Data Scaling验证具身Scaling Laws
能否 Scaling，是具身智能绕不开的问题。它关系到具身能不能复刻大语言模型那条增长曲线，也关系到物理 AGI 叙事到底有没有工程支点。
GigaBrain-0.7从多个角度给出了一个倾向性答案：具身智能可以被 Scaling。
先看图一：从预训练规模和域外任务预测误差的关系来看，少量数据随着预训练的进行存在过拟合现象，但随着数据量的不断提升，过拟合不仅逐渐缓解，且当数据量到达一定量级时，模型涌现出越来越强的泛化性。
再看图二：从预训练数据类型和真机成功率的关系来看，增加UMI和Ego等数据可以直接提升真机效果，表明无本体数据是可以被Scaling的。
第三个信号来自图三：预训练数据量和基模真机成功率的关系显示，我们对GigaBrain-0.7全量数据预训练的不同阶段的模型进行测试，发现随着预训练的不断进行，真机成功率也不断提升，且最终无须单任务后训练微调，一个预训练基模便可实现多任务的百分之百成功率。
System-3 提升任务完成能力
传统VLA在做动作之前，不具备对物理世界未来变化的预测和判断能力，导致任务完成度和泛化性存在瓶颈。GigaBrain-0.7引入System-3的概念，基于World Model实现World Value Model，让VLA在做具体动作之前先对未来动作做推演和判断，不仅提升了执行任务的成功率，而且任务完成得分和完成速度也明显提升。
开箱即用的基模能力
GigaBrain-0.7的基模，做了完整的评测，包括分能力评测（语言跟随能力、复杂操作能力）、分机型评测（AgileX PiPER双臂机器人、Maker H01人形机器人）、分范围评测（域内、域外）、分任务评测（24个任务全面评估）。
GigaBrain-0.7的基模展现出了比较突出的通用性，并涌现出了不错的泛化性，开始呈现出“One Model，Many Tasks”的具身基模应该具备的“开箱即用”的能力。
基模语言跟随能力：
基模复杂操作能力：
Benchmark 结果领先
真机评测：
在相同真机评估基准（AgileX PiPER & Maker H01）下，GigaBrain-0.7 与国际主流及行业头部模型进行了横向后训练对比，真机效果取得领先。特别是在“具身原生的自研本体Maker H01”上任务成功率展现出明显优势。
后训练语言跟随能力
后训练复杂操作能力
仿真评测：
这里挑选了仿真评测和实机部署相关性高度一致的RoboColiseum平台进行了评测。经过平台 4 个方面评估，领先于全球头部开源模型和闭源方法，并在 4 个分项中均排名第一。
06.
更多真实场景演示
家庭场景长程复杂任务一镜到底展示
工业场景精细操作全流程一镜到底展示
