让机器人先“脑内预演”再行动:华为云开源CloudRobo-WM1.2
来源:国际金融报
中国主流云厂商均在加码具身智能,华为被普遍视为其中布局较深的一家。
11月16日,华为云“行业AI梦工厂”在线上发布并开源昇腾原生具身世界模型CloudRobo-WM1.2。据华为云介绍,该模型采用共享世界模型骨干网络实现预测增强的世界表征,基于世界模型原生DualAct架构实现世界模型原生动作生成,在RoboTwin 2.0、LiberoPro 2.0两项具身智能评测基准中均排名第一。华为云同时将训练框架、WAM昇腾算力最佳实践等一并开放,称希望将昇腾云上具身世界模型的最佳实践开源给行业伙伴、模型厂商、本体厂商和最终客户,帮助其在昇腾云上更高效地开发模型与应用。
具身智能指机器人等实体通过与物理世界交互来感知、学习和执行任务的智能形态。目前这一领域正从实验室走向真实物理场景,但面临多项共性挑战。公开数据显示,在多模态物理理解方面,关键目标检测的识别得分会在画面遮挡情形下从68%跌至28%;仅在固定或受限视角下训练的模型,遇到高位视角等分布外变化时,准确率会从62.72%降至7.62%。与此同时,在IntPhys 2物理推理基准上,现有模型均未超过60%,而人类多数可达96.44%。此外,世界认知与动作生成难以耦合、异构数据难以规模化利用、跨机器人本体泛化困难、实时推理算力成本高等问题,也被业界视为具身智能规模化落地的障碍。
根据发布会信息,针对上述问题,CloudRobo-WM1.2构建了五项核心技术。其中,PPA多模态世界表征架构融合RGB视频、语义特征、深度与点云,并引入未来多模态预测监督,使模型不仅能识别物体,还能预判物理交互结果;世界模型原生DualAct架构采用双通道动作设计,世界模型可直接输出高精度动作,动作专家也可基于MOT架构直接输出,开发者可灵活定义动作专家尺寸以提高后训练效率。多粒度监督数据自适应预训练框架根据数据实际具备的有效信息组织监督,动作标注缺失、部分维度无效、深度缺失及相机视角不完整等数据均可被兼容,以释放异构数据的规模化利用潜力;本体语义保真跨具身运动建模则为单臂、双臂、轮式等不同形态机器人提供统一动作语义,支持多本体协同学习。此外,模型提供World Action、Expert Action、Joint、Action-only四种可组合的弹性推理模式,按需匹配客户对算力资源与推理延迟的要求。
在算力基础设施层面,华为云还发布了具身亲和的原生昇腾云基础设施,分为算力基础设施、算网数存、AI框架三层。据华为云介绍,该平台通过异构算力融合、超节点互联及上下文并行、参数分片、激活重计算等技术应对视频长序列训练,并提供PB级多模态数据统一存储与检索;AI框架方面,RLinf v0.4对昇腾NPU的支持大幅增强,实现最高2.78倍的吞吐提升。华为云称,CloudRobo-WM1.2的发布验证了基于国产昇腾算力训练具身世界模型的可行性。
围绕产业落地,华为云还公布了依托昇腾云计算平台的六大工程能力,覆盖仿真使能行业冷启动、云原生训练、星闪鸿蒙生态集成、R2C跨本体快适配、持续学习进化及安全可靠运行。其中,高并发R2C网关支持1K以上本体并发保活,GB级模型可实现分钟级热更新;R2C跨本体快适配支持机器人小时级接入,统一多本体数据与动作接口。华为云表示,将CloudRobo打造为覆盖数据合成、模型训练、仿真验证到云边端部署的一站式开发平台,让本体厂商“带着硬件接入、带着模型离开”。
发布会上,华为云一并披露了其在具身智能领域的市场布局数据:华为昇腾云在具身智能市场格局中位列中国第一,已有80%的中国具身智能企业选择昇腾云,重点高校基本实现全覆盖;其CloudRobo具身智能平台已汇聚超16500个专业具身开发者、230多家企业和高校,沉淀1500多个行业资产,覆盖工业、电力、环卫、医疗康养等场景。生态伙伴中,既包括亿嘉和、拓斯达、福龙马等上市公司,也包括节卡、千寻、星海图、优艾智合、斯坦德、睿尔曼机器人等未上市本体企业。
(来源:国际金融报 编辑:张明艳)