正文(AI 核查整理)
千诀科技在 2026 物理 AI 与世界模型大会上发布预测式世界模型 Polibrain,并展示其在真实机器人中的应用。其理论基础来自公司与清华大学团队于 2025 年在 ICML 发表的研究,重点探索隐变量可辨识性等方向,素材称相关公开探索比 LeCun 团队的相近工作早约一年。
Polibrain 的关键取舍是不生成未来每一帧的完整画面,而是在任务相关的潜在表征空间中,预测环境状态将如何变化。系统通过学习环境状态、历史信息与行动结果之间的关系,支持机器人从感知、行动预测到自主规划和执行反馈的完整决策链。
在实际演示中,一台带机械臂和回收筐的四足机器狗完成垃圾回收任务:自主寻找垃圾、识别位置、移动接近,再规划机械臂抓取并放入筐中。与仅按当前指令行动的 VLA 路线相比,世界模型意在让系统提前推演行动结果,减少真实环境中的试错。
目前该能力已适配四足、人形、轮式和双臂等机器人形态,目标是让不同本体共用一套智能大脑。迁移到游戏制作时,开发者可借鉴这种“预测状态变化而非生成像素”的思路,为 NPC 行为预测、动作后果推演和可复用角色智能提供底层模型。
对独立开发者而言,完整世界模型仍不是可以直接接入游戏引擎的现成方案,但它揭示了一条与生成式美术不同的降本路径:用更小的潜在表征服务行为决策,再按需调用美术、动画或物理系统。多智能体交互、复杂道具操作和长期任务规划,可能是优先试验场景。