智象未来发布HiDream-O1-Embodied,为实现原生全模态世界模型闭环再落重子
2026/09/08 10:22AI云资讯11670
具身智能的真正考场,从来不是整洁的实验室,而是光照突变、视角偏移、指令含糊的物理现实。正因如此,智象未来(HiDream.ai)于近日推出的具身世界模型HiDream-O1-Embodied,从设计之初便摒弃了单一模态的局部优化,转而依托原生全模态架构,将图像、视频、3D与动作信号统一纳入同一表征空间。这一决策的直接成果是模型在理解、推演与执行的全链条上实现了天然贯通,从而构建起一个既能“看懂”世界,又能“动手”操作的真实世界基座。

RoboColiseum扰动适应榜首,0.692分意味着什么?
在具身智能模型评测平台RoboColiseum上,HiDream-O1-Embodied首次参评便以0.692的平均分登顶扰动适应(Robustness)子榜单。这一成绩的分量需要放在平台的评测逻辑中才能看清,RoboColiseum围绕指令跟随、空间理解、扰动适应与通用操作四个维度设置了78个高保真仿真任务,其中扰动适应被公认为最具挑战性的试金石,它系统性地改变背景、光照、材质、机器人初始状态、相机视角与图像质量,同时对话术进行多样化改写,模拟出真实世界中层出不穷的“意外状况”。这意味着,模型必须在非理想条件下证明自己的稳定性和泛化能力,而不仅仅是完美环境中的表演。HiDream-O1-Embodied的登顶,恰恰印证了原生全模态架构在跨模态信息融合上的先天优势,这种优势在执行阶段被进一步放大,转化为实实在在的抗干扰韧性。

语言理解、多视角协同与容错训练:三项能力直击执行痛点
为了让模型在真实扰动中依然可靠,HiDream-O1-Embodied在三个关键环节进行了针对性突破。
在语言指令理解上,模型不再停留于关键词的机械匹配,而是构建了涵盖多元动词、句式与表达方式的等价指令空间。无论用户变换何种措辞,模型都能锁定深层意图,避免因句式变化而“宕机”,让自然交互真正成为可能。
在视觉感知层面,物理世界中的相机偏移、标定漂移或单路遮挡经常导致传统系统“一处失灵、全局失效”。HiDream-O1-Embodied采用多视角协同机制,让不同视觉通道互为冗余与补充。即便部分视角出现偏差或信号中断,模型仍能依靠其他视角继续理解场景并执行任务,实现从“单点脆弱”到“整体稳健”的跃升。
更值得关注的是模型在高容错机制上的设计。多数具身模型依赖清晰、完整的“完美数据”进行训练,但真实光照变化、画面污损或视野遮挡才是常态。HiDream-O1-Embodied在训练阶段便主动引入各类非理想条件,迫使模型反复从不完整、不稳定的信息中提取可靠线索。这种训练策略不追求单一条件下的极致表现,而是致力于在环境多变时依然保持稳定的执行水准,其价值恰恰体现在“看不清时照样能做好”的务实能力上。

数据驱动的增长飞轮:模型既做“考生”也做“出题人”
上述抗扰动能力的根基,离不开高质量数据的持续供给。智象未来打造了“模型+数据”双轮驱动的战略,其核心在于让数据生产成为模型迭代的内生环节。通过“真实基座 + 生成增强”的数据范式,模型主动参与数据创造而非被动接收。以与诺亦腾的合作为例:高精度真人动作捕捉数据构成真实底座,智象借助原生全模态能力完成百倍级的精细化扩增,基于单段真实动作样本,模型可生成大量变体视频,在严守物理约束的前提下自由切换背景、光照、物体形态等变量,产出海量训练素材。这一过程中,模型同时扮演“考生”与“出题人”,根据自身短板主动生成针对性样本,形成数据与模型互相驱动的增长飞轮,最终赋予HiDream-O1-Embodied远超常规的扰动鲁棒性。
从交互式到具身,世界模型矩阵走向完整闭环
就在不到一个月前,智象未来发布的交互式世界模型HiDream-O1-World在交互式视频世界模型评测基准WBench的Navi分榜中以平均分80.9登顶。交互式模型侧重数字世界中的理解与推演,而具身模型则聚焦物理世界中的操作与执行,两者互为补充,共同夯实原生全模态世界模型的底层能力。
智象未来创始人兼CEO梅涛此前指出,下一代大模型竞争的核心并非单一模态的孤立进化,而是从单模态走向多模态,并最终抵达原生统一的全模态。从HiDream-O1-Image到HiDream-O1-World,再到HiDream-O1-Embodied,智象未来的模型家族矩阵日趋完整,覆盖视觉生成、交互推演与具身执行等关键领域。这不仅是技术能力的横向拓展,更是原生全模态架构纵向进化的有力佐证。站在世界模型加速演进的浪潮之巅,智象未来正以清晰的战略定力,将模拟世界的经验持续转化为真实世界的可靠行动。
相关文章
- 首届蚂蚁灵波具身大模型挑战赛落幕,张江AI创新小镇亮出“大脑”生态底牌
- 云知声 U2-Flash-1118 全新升级:打造国产第一梯队Flash 级别模型中的性价比标杆
- 绿盟科技风云卫基座模型斩获CyberGym Model榜单全球第一,91.31%!
- OpenAI更新大模型,GPT-6.2 Astra正式发布
- 金山云星流模型服务能力拆解:模型接入、微调与调优、推理优化与成本治理的四层结构
- 模型在本地就够了?一条问答请求看清数据去向
- 谷歌发布全新Gemini 4 Hydrogen模型,复杂问题理解能力再升级
- 聚焦亿铸科技主营业务:全数字通用存算一体如何破解大模型推理瓶颈
- Anthropic推出全新Claude Fable与Mythos 5.2模型
- 全家日常,一呼即应!以国产AI 大模型重塑家庭安防交互新体验
- 「慧思开物」平台更新| Hi-WBC全身控制模型正式发布,开拓机器人真实作业新边界
- OpenAI发布新型网络安全模型GPT-6 Cyber,减少对其他公司的误入侵
- 金仓AI数据库,让大模型看懂私有数据
- 中兴通讯兴云数科“小语种国家大模型建设应用综合解决方案“荣获世界互联网大会“首发成果奖”
- AI鼠标亮相专精特新大会:大模型怎么走进个人办公场景
- MOSS-Transcribe-Diarize 是什么?一文看懂这款多说话人语音识别模型
AI企业
更多>>AI硬件
更多>>AI产业
更多>>AI技术
更多>>- 云知声 U2-Flash-1118 全新升级:打造国产第一梯队Flash 级别模型中的性价比标杆
- 可灵AI发布全新Kling Image 4.0 AA榜单排名超越Nano Banana
- 探索具身智能新路径,商汤科技实测 GPT-6-Astra
- 华为×华东师大联合研发时序预测基础模型,登顶国际权威时序测评双榜单
- 阶跃这次够狠:AA 全球开源前二,价格打到 Claude 的 1/8
- 科大讯飞发布Spark-Audio-1.0-Preview,全国产语音基座大模型实现从“听清”到“听懂”
- 全球最强开源模型 Kimi K3 发布,参数规模 3 万亿,真的是强!
- 范式变革!东软发布AI原生软件工程白皮书,重构软件产业底层逻辑









