机器人竞技场上的热闹场景正在向真实生活场景延伸。今年在北京举办的世界人形机器人运动会吸引了来自六大洲16个国家的666支队伍，携带2056台机器人参赛。比赛项目不仅涵盖田径、武术等传统竞技项目，还扩展到家庭、酒店、工业和应急救援等实际应用场景。机器人刷新人类百米纪录、腾空近三米、完成540°外摆等高难度动作，让观众惊叹不已。
当机器人从竞技场走向日常生活，挑战也随之而来。在真实环境中，机器人可能打翻水杯、撞倒家具，甚至将整理好的衣物重新弄乱。这些看似简单的动作在现实世界中充满变数，机器人需要适应不断变化的环境，如杯子的位置稍有变动或桌面上多出一块抹布，都可能导致训练好的动作失效。
为了解决这些问题，科研人员正在开发能够模拟真实物理环境的世界模型。这种模型可以创建一个虚拟训练场，让机器人在实际动手前先进行预演，测试不同动作可能产生的结果。然而，现有的许多世界模型存在局限性，它们可能无法准确理解动作与结果之间的关系，或者在长时间推演中出现物体位置漂移等问题，导致虚拟测试结果与真实情况不符。
自变量机器人公司最新发布的自回归世界模型WALL-SS为这一难题提供了新的解决方案。该模型构建的虚拟训练场突破了传统瓶颈，能够准确反映动作对结果的影响，在长任务中保持连贯性，并通过真实机器人验证虚拟策略的有效性。WALL-SS可以模拟持续60秒的复杂任务，如倒水和物品整理，测试不同抓取方式的效果，判断是成功抓取、抓空还是碰倒水杯。
研究团队将多套机器人策略分别在WALL-SS和真实环境中进行测试，发现虚拟环境中表现优异的动作策略在物理世界中同样表现良好。这意味着机器人可以在虚拟世界中"做梦"练习，筛选出最适合真实执行的动作。WALL-SS通过层级预测方法，先生成低清晰度预览确定大方向，再逐步细化物体轮廓和接触位置，确保动作与画面变化同步。
对于需要持续几十秒的家庭任务，如打开抽屉、拿取物品、关闭抽屉等连续操作，WALL-SS采用"尺度压缩的长时间跨度记忆"技术。该技术让记忆随时间自动模糊，近期事件保留详细细节，早期事件只保留摘要信息，既减轻计算负担又确保关键信息不丢失。同时，模型通过"逐尺度梦境强迫"训练方式，在历史信息中加入扰动，提高机器人对小误差的纠正能力。
为确保虚拟测试结果与真实情况一致，WALL-SS引入双重裁判机制：一个裁判检查动作执行情况，另一个裁判审核长期一致性。通过"视觉动力学的在线策略对齐"过程，模型根据评分调整未来生成概率，优化视觉世界变化规律。实验数据显示，WALL-SS在虚拟环境中筛选的策略与真实机器人测试结果高度一致，成功率相关系数达0.926。
WALL-SS不仅是一个预测工具，还集成了动作专家系统。当需要自主行动时，动作专家根据当前状态生成控制指令，与视觉生成器形成闭环系统。在桌面双臂任务测试中，WALL-SS的平均任务进度得分显著高于其他模型，展示了其在复杂任务中的优势。
随着机器人从舞台演示转向实际服务，行业对技术的评估标准也在变化。能够重复完成任务、适应不同环境、降低更新成本成为关键指标。WALL-SS提供的解决方案使机器人能够在虚拟世界中充分准备，减少真实环境中的试错成本。在物流分拣等实际应用中，搭载相关技术的机器人已展现出高效准确的作业能力，为未来机器人进入家庭和工业场景奠定了基础。
