大晓机器人联合南洋理工大学发布了世界模型Mundo。该模型仅需少量图片或视频，就可以重建出三维场景；场景中的物体自带质量与摩擦等物理属性，通过推拉、碰撞等操作能够算出相应的响应。它还支持自由视角探索、机器人移动操作，并能够保留任务轨迹与物理交互状态，可用于训练数据生成和仿真测试。

要理解Mundo的意义，可以先从一个基本问题入手：机器人如何学会与真实世界打交道。人类在日常生活中推开一扇门、拿起一个杯子、避开地上的障碍物，靠的是对物理世界的直觉：东西有多重、表面滑不滑、推一下会动多远。这些经验看似简单，却是机器人最难掌握的部分。传统的训练方式往往依赖大量真实采集的数据，或者依赖人工搭建的仿真环境，前者成本高、周期长，后者则常常因为与真实世界存在差距而效果打折。

Mundo的切入点，是用少量图片或视频重建三维场景。这意味着，构建一个可用的仿真场景，不再需要繁琐的建模流程和大量的素材采集。拍几张照片、录一段视频，就可以得到一个三维空间，这大大降低了场景构建的门槛。对于需要大量不同场景来训练机器人的团队来说，这种效率的提升非常关键：场景越多、越多样，机器人接触到的情况就越丰富，适应新环境的能力也就越强。

更关键的一步在于，重建出来的不只是一个“看起来像”的三维画面，而是一个“动起来也像”的物理世界。场景中的物体自带质量与摩擦等物理属性，这意味着物体不再是空心的摆设，而是有了重量和表面特性。当机器人去推它、拉它，或者与它发生碰撞时，系统能够根据这些属性算出相应的响应：重的物体更难推动，光滑的表面更容易滑动，碰撞之后物体会如何移动，都可以被模拟出来。这种物理层面的真实感，是机器人训练真正需要的东西。

在这样的世界模型里，自由视角探索和机器人移动操作也成为可能。研究者可以从任意角度观察场景，检查机器人在不同位置、不同视角下的表现；机器人也可以在场景中移动、操作，完成各种任务。更重要的是，任务轨迹与物理交互状态能够被保留下来。每一次操作的过程、每一次交互的结果，都可以被记录和复现，这为后续的分析和改进提供了完整的依据。

从用途上看，Mundo指向了两个方向：训练数据生成和仿真测试。在训练数据生成方面，世界模型可以批量产出带有物理交互过程的数据，弥补真实数据采集不足的问题；在仿真测试方面，研究者可以在虚拟世界中先行验证机器人的行为，排查可能的问题，再把经过验证的方案部署到真实机器人上。这种“先在仿真里练好，再到现实中上岗”的流程，能够降低真实测试的风险和成本。

大晓机器人与南洋理工大学的联合发布，也体现了产业界与学术界合作的一种模式。企业带来真实的应用需求和工程化能力，高校带来前沿的研究积累，双方的结合有助于让一项技术既保持学术上的新颖性，又具备走向实际应用的可能性。世界模型本身就是一个交叉性很强的方向，涉及视觉、物理仿真、机器人控制等多个领域，单靠一方推进往往不够全面。

此外，保留任务轨迹与物理交互状态的做法，还为复现和调试提供了便利。研究者可以回放某一次操作的全过程，定位问题出在哪个环节，而不是只能看到最终结果，这种可追溯性对模型迭代同样重要。

当然，世界模型距离完全替代真实世界训练还有距离。仿真与现实之间始终存在差距，重建场景的精度、物理属性的准确性、复杂交互的真实程度，都需要在更广泛的实践中不断验证。但Mundo所展示的路径——用少量视觉输入重建带物理属性的三维世界，并用它来生成训练数据和做仿真测试——已经为机器人训练提供了一个值得关注的新工具。

文末来源：界面新闻/新浪财经。