6.6
深览指数
科技量子位··AI 生成
用世界模型给VLA当教练，原力灵机发布DW0.5，把RL搬进虚拟世界
原力灵机发布具身世界模型DW0.5及后训练框架DFOL2.0，核心思路是将世界模型作为VLA（视觉-语言-动作模型）的仿真环境，将强化学习训练从真机搬入虚拟世界。文章披露其技术方案使后训练中的真机数据需求骤降60%，成本下降40%。该方案通过Video Expert、Action Expert、Value Expert三个模块，使模型能模拟成功与失败轨迹，并为强化学习提供密集的奖励信号。适合对具身智能技术路线、世界模型应用、AI后训练方向感兴趣的读者。原文 ↗
核心观点
- ▍原力灵机认为，具身智能VLA的后训练瓶颈在于缺乏低成本、高保真的反馈闭环，世界模型可以作为'仿真器+裁判'的角色，将强化学习从真机搬入虚拟世界，从而大幅降低训练成本。
- ▍公司强调不应以技术路线标签（如VLA vs 世界模型）为立场，而应以'解决什么问题'为目标导向，选择合适的方法组合。
- 01DW0.5模型由Video Expert、Action Expert、Value Expert三大模块组成：Action Expert将动作作为强先验而非软提示，与视频帧进行结构化对齐；Video Expert负责生成未来状态视频（包括失败轨迹）；Value Expert对轨迹进行成功概率打分，为强化学习提供密集奖励信号。
- 02DW0.5的训练数据包含四类：具身公开数据和自采机器人数据（含真机噪声）、互联网视频数据、第一视角人类活动数据、真机与仿真rollout数据（覆盖偏离、卡住、恢复等中间状态）。
- 03在具体任务测试中，接入DFOL 2.0后，打气球任务的'打气'步骤成功率从10%升至90%，'气筒插入气球'成功率从10%跃升至100%；晾衣服的'成功挂上衣架'成功率从50%翻倍至100%。
- 04DW0.5在EWMBench、WorldArena等基准测试中分别以4.73、73.54分获得SOTA（截至7月9日）。
- 05原力灵机明确表示，世界模型目前仍需真机数据校准，真机数据具有不可替代的价值，DW0.5只是用于降低成本，而非完全取代真机。
反方 / 局限
- — 文章未提供足够的第三方独立验证数据，所有性能提升数据均来自原力灵机自身披露，业界对其可复现性和在实际复杂场景中的泛化能力仍需更多证据。
- — 文章虽强调'不以技术路线标签站队'，但整篇内容本质上仍是技术营销稿，对于世界模型在具身智能领域的竞争对手（如纯仿真引擎、基于扩散策略的路线）的优劣比较或技术争议仅一笔带过，缺乏深度讨论。
11 分钟 · 3 卡片 · 9 资料
读原文 →