智象发布具身世界模型HiDream-O1-Embodied，扰动适应榜登顶

在具身智能领域，智象未来（HiDream.ai）于2026年9月7日正式发布了其最新成果——具身世界模型HiDream-O1-Embodied。这一模型在国际领先的具身智能评测平台RoboColiseum上首次参评，并在核心的Robustness（扰动适应）子榜单中以平均分0.692的成绩荣登榜首，展现了其在复杂环境下的卓越性能。

该模型的突破性表现源于智象未来坚持的"原生全模态"技术路线。具体而言，其在语言理解、视觉感知和训练阶段均实现了显著创新：语言理解方面覆盖多元句式与等价指令空间；视觉感知综合多视角信息，即使部分视角失效仍可执行任务；训练阶段主动引入非理想条件，强化模型在不完整信息下的容错能力。数据层面，智象采用"真实基座+生成增强"范式，以高精度动捕数据为底座，借助全模态生成能力进行百倍级样本扩增，使模型在训练中充分接触各种不完美情况。

智象未来CTO姚霆表示，HiDream-O1-Embodied的发布是公司技术战略从模拟世界向真实世界迈进的关键节点。这一成果不仅验证了其全模态技术路线的有效性，也为具身智能在实际应用场景中的落地提供了新的可能性。

在当前具身智能技术路线分化加剧的背景下，智象的这一进展引发了业界广泛关注。清华大学李升波教授课题组近期发布的物理原生世界模型Phi-WM 1.0 ActEffect，以及Generalist、Skild AI等公司推出的基于ICL（上下文学习）路线的机器人模型，共同推动着具身智能技术的快速演进。然而，不同团队对世界模型的理解和实现路径仍存在显著差异，这使得行业尚未形成统一的技术标准。

斯坦福大学教授李飞飞团队提出的Atlas世界模型，强调通过物体的位置、形状、距离和空间关系来理解和模拟3D世界；而图灵奖得主杨立昆团队则专注于稀疏表征在世界模型中的应用，以降低预测器复杂度。这些不同的研究方向表明，具身智能领域的技术探索仍在多条路径并行推进。

尽管技术路线尚未收敛，但智象此次发布的HiDream-O1-Embodied无疑为行业提供了一个重要的参考案例。其在扰动适应方面的优异表现，特别是对光照、材质、相机位置等非理想因素的鲁棒性，为具身智能系统在真实世界中的可靠运行提供了有力支撑。这一成果也印证了业内专家的观点：真正有效的具身智能解决方案，需要深入理解物理世界的底层规律，并将其转化为机器人的泛化能力。