的能力每天都有进展，但在复杂的真实世界，离人们期待的“全能伙伴”还很远。如何让
上海创智学院全职导师、智元合伙人、首席科学家罗剑岚告诉记者，τ0WM是一个开源的具身世界模型，借助多种渠道的数据预训练，同步提升机器人的未来推演与动作生成能力。同时，以此为核心构建了融合动作预测、未来状态模拟与部署态动作优化的完整系统，最终跨多种具身本体与精细操作任务完成验证。简言之，让机器人既学会“怎么动”，又能提前“脑补”动作的结果。相当于同时训练了机器人的“身体”与“想象力”，再用这种想象力筛选出最优动作，最终部署到真实机器人身上。
研发团队说，当前机器人训练面临数据不足的困境。具体而言，真机数据动作虽准，但场景单一，换个环境就可能失灵；用简易手持夹爪采集的数据场景丰富，但操作方式和真实机器人差别大，直接拿来用动作对不上；网上虽有大量的人类操作视频画面，但缺少机器人所需的关节动作数据；而且开源机器人数据散落各处，格式标准不一。
可见，统一机器人的动作“语言”是行业目前最基础也最迫切的需求。而τ0WM就构建了一个让机器人“既能想象又能执行”的通用模型。首先，它通过“统一动作语言”，将不同来源的动作数据全部转换为相对末端6维位姿，就像把不同的方言翻译成普通线WM还训练了一个“动作条件世界模型”，即给定当前画面和一段动作方案，它就能生成执行动作后的未来画面，像一个内置的快速仿真器，从大量混合视频中学会模拟机器人与物体的交互。
同时，面对同一任务，τ0WM能让机器人“大脑”中推演多种完成方式，并快速模拟每种方案，选出未来画面最成功、最稳定的动作执行。就像下棋时先推演几步，再走最妙的一手。
τ0WM实际部署的效果如何？罗剑岚透露，τ-0WM可以依据端侧算力、任务难度、推理速度等，调整候选轨迹数量和推演步数，以此来平衡执行效率和推理时间。经训练，模型展现出强大的落地与抗干扰能力。只需极少次数的真人示范，机器人就能快速迁移到全新的精细任务中。即便作业时物体被碰歪或出现意外干扰，它也能自行调整，表现出很强的鲁棒性。
以收纳羽毛球任务为例，机器人需要将多个散乱一地的羽毛球依次装入球桶，盖上盖子并压紧。未经过预训练的模型需要超过1000条高质量示范数据训练才能完成任务。而τ-0WM只需400条数据训练即可完成任务，并且当光照、背景画面、羽毛球位置发生变化都不会影响其精确度。
而且，τ-0 WM可以在多种不同构型的机器人上部署，并完成精细操作任务的能力。研发团队在3种不同构型的机器人上进行评测，在整理工具箱、装书包、安装水管和收纳羽毛球这4种精细操作任务上，τ-0WM成功率超过其他具身基准模型，这些任务均涉及精细夹取和力量控制，例如拉开书包拉链，将水管插入水龙头拧紧等。
“当下整个具身智能的技术路线尚未收敛，仍需要大胆探索。”罗剑岚说：“τ-0 不是终点，而是零号版本。我们希望从世界模型开始，逐步走向动作模型、闭环学习和更大规模的具身基础模型。随着τ版本号的增加，它既代表模型能力的提升，也代表我们对具身智能路线探索得越来越深入。”
