北京人形具身大脑能力跻身世界第一梯队

    本报讯 （记者贾丽）近日，北京人形机器人创新中心（以下简称“北京人形”）在WorldArena全球权威评测中连下两城——继WoW具身世界模型登顶WorldArenaDataEngine（数据引擎）赛道后，首个“具身大一统”模型Pelican-Unify1.0在WorldArena综合评测中再度登顶。北京人形由此成为全球唯一在WorldArena两大核心赛道同时夺冠的企业，加冕具身智能领域首个“双冠王”，具身大脑能力跻身世界第一梯队。

    Pelican-Unify1.0作为通用具身智能平台“慧思开物”的重要组成部分，该模型在理解、推理、想象、行动等维度同时达到全球顶尖水平，世界模型各项能力尤为突出，并登顶WorldArena权威榜单。业内人士认为，这标志着具身智能从“功能拼凑”迈入了“协同进化”的新阶段，为迈向通用具身智能奠定了坚实的技术与路径基础。

    真机验证闭环智能产生实际价值

    WorldArena由清华大学联合普林斯顿大学、中国科学技术大学等8所顶尖机构共同发起，吸引了全球几乎所有头部世界模型团队参评，在激烈角逐中，Pelican-Unify1.0凭借硬核的技术实力脱颖而出，登顶WorldArena。

    其中，EWMScore（综合得分）稳居榜首：在包括视觉质量、运动质量、内容一致性、物理遵循以及3D准确性等多维度且极其严苛的整体评估中，Pelican-Unify1.0拿下了综合第一，各项能力完美平衡，能够全方位支撑复杂的具身长程任务。

    过去，具身智能沿着多条路线快速发展：VLM擅长理解图像和指令，VLA能够将视觉语言输入映射为动作，世界模型能够预测未来状态。但这些路线往往各自优化、分段连接，容易形成“看、想、动”之间的断裂：理解不能直接被行动验证，行动缺少未来后果的约束，世界想象也难以被语言推理稳定引导。

    Pelican-Unify1.0的核心思路是，理解、推理、想象与行动不应是四个孤立模块，而应是同一个物理智能回路的不同侧面，具体实现统一理解、统一推理、统一生成。

    Pelican-Unify1.0的关键能力是能够在动作执行前生成未来视觉状态，并让动作预测与未来想象相互对齐。模型接收历史观测和动作条件后，可以预测对应未来视频，使动作命令与生成帧之间保持细粒度一致。

    这意味着，Pelican-Unify1.0的“想象”不是脱离执行的视觉生成，而是服务于机器人行动的未来预演；“动作”不再只是从图像和语言里直接回归出来，而是在同一个生成过程中与未来状态共同建模；未来画面约束动作是否合理，动作轨迹也约束未来是否可达。对于复杂操作任务，这种机制能够帮助模型更好地处理长程依赖、物体接触、遮挡和空间变化。

    真实机器人是检验“推理—想象—行动”闭环的真正考场。北京人形将Pelican-Unify1.0部署至天工人形机器人及UR5e机械臂上，重点验证组合泛化与零样本迁移。在组合泛化实验中，模型仅用“插入RJ45接头”和“做防水处理”等原子任务训练数据，未见过完整组合演示。测试中，机器人需依照自然语言指令先插线、后防水，跨阶段保持任务目标并基于前序结果规划下一步，Pelican-Unify1.0成功完成了这类未见过的长程组合任务。

    迈向通用具身智能的新范式

    Pelican-Unify1.0登顶的意义并不只是拿到某一个榜单第一，而是提出了一条更接近通用具身智能的建模路径：不再把理解、推理、想象与行动视作独立模块分别优化再通过工程方式拼接，而是从一开始就让它们共享表示、共同训练、相互塑形。

    这一路线的价值在于，它让模型既能保持专家能力，又能在真实任务中形成更完整的闭环智能。机器人可以理解目标与场景，推理过程让任务意图变得可监督，未来想象让动作具备后果意识，而动作执行又反过来检验理解和想象是否可靠。Pelican-Unify1.0表明，具身智能的下一阶段可能不只是更大的视觉模型、更强的动作策略或更逼真的世界模型，而是一个能够把“看见、思考、想象、行动”统一起来的自适应系统。

    Pelican-Unify1.0的研发主体——北京人形机器人创新中心，以通用机器人平台“具身天工”和通用具身智能平台“慧思开物”为双核心，构建起覆盖“本体—大脑—小脑—平台—生态”的全栈式闭环体系，让顶尖模型融入真实的生产与服务场景，释放其真正的价值。

    业内人士认为，具身智能下一阶段的关键词，是形成更完整的闭环和大脑各部分能力的协同进化。而北京人形以“双冠王”的技术积累，降低了具身智能的进入门槛，加速人形机器人从专用设备向通用生产力工具的演进。

（编辑 赵思卓 汪世军）