优必选Thinker-WM多模态世界模型全球三大基准登顶

优必选自主研发的统一多模态世界模型Thinker-WM，在全球三大权威具身世界模型评测基准中均位列第一。

在WorldOlympiad基准测试中，该模型以0.740的综合得分位居榜首；其中，3D一致性达0.531，交互保真度达0.765，两项关键指标均居所有参评模型之首。在EWMBench基准中，Thinker-WM获得4.66的总分，表现优于当前主流模型。在仿真环境基准WorldArena1.0 Track-1中，模型在视觉画质、内容一致性、物理合理性、3D几何精度、指令遵循等十二项核心维度上整体领先。

与传统依赖模块拼接的世界模型架构不同，Thinker-WM构建了表征层面完全统一的动态建模框架——Unified Dynamic Transformer（UDT）。该架构将RGB图像、度量深度及机器人动作三类模态纳入同一套共享的动态表征体系，实现联合演化与协同理解，从而同步支持视频与动作的联合生成、世界状态预测、策略推理、视频到动作映射以及逆动力学建模等多种能力。在RoboTwin单任务消融实验中，引入深度模态后，操作成功率相较未使用深度信息的基线提升15个百分点。

模型训练数据涵盖约两万小时第一人称人类行为视频、一万千瓦真实机器人运行数据及一千小时高保真仿真数据。所有机器人动作均采用末端位姿进行统一表征，并为不同硬件平台嵌入专属识别标签。目前，Thinker-WM已完成在优必选机器人平台的全流程部署验证，相关技术成果将全面支撑下一代具身智能系统的研发与升级。