原生全模态技术战略闭环，智象（HiDream.ai）发布具身世界模型HiDream-O1-Embodied
内容提要
智象未来发布具身世界模型HiDream-O1-Embodied，强化机器人物理感知与动态预判，在RoboColiseum扰动适应榜单登顶。模型通过全模态底座、多视角融合及非理想条件训练提升鲁棒性，并采用“真实基座+生成增强”数据策略，与交互式世界模型互补，构建统一世界模型基座。
延伸解读
榜单登顶的含金量
RoboColiseum的扰动适应子榜被公认为最具挑战性，它通过改变背景、光照、材质、机器人初始状态、相机位置与图像质量，并对指令进行多样化改写，检验模型在非理想环境中的稳定性与泛化能力。HiDream-O1-Embodied以0.692的平均分登顶，说明其并非在理想条件下表现优异，而是在各种“意外”中仍能保持稳定，这更贴近真实应用场景。
从“理解”到“执行”的跨越
智象近期发布的交互式世界模型HiDream-O1-World侧重“理解与推演”，而此次的具身世界模型则侧重“操作与执行”。两者互补，共同构成统一世界模型基座。这一布局表明，智象正从数字世界的模拟走向物理世界的真实交互，试图打通从感知、认知到行动的全链路，为具身智能的落地提供更完整的模型支撑。
数据策略的独特之处
智象采用“真实基座+生成增强”的数据生产范式，让模型既当“考生”又当“出题人”。例如，与诺亦腾合作，利用高精度动作捕捉数据作为真实底座，再通过生成变体视频（切换背景、光照、物体形态等）实现百倍级数据扩增。这种数据与模型互相驱动的飞轮，可能是其鲁棒性优势的关键来源，也缓解了具身训练数据稀缺的难题。
Q&A
智象未来发布的HiDream-O1-Embodied是什么？
HiDream-O1-Embodied是智象未来（HiDream.ai）发布的具身世界模型，旨在强化机器人的物理感知与动态预判能力，助力具身智能实现更高阶的物理交互。
HiDream-O1-Embodied在RoboColiseum评测中表现如何？
在RoboColiseum的扰动适应（Robustness）子榜单中，HiDream-O1-Embodied以平均分0.692的成绩登顶榜首。
HiDream-O1-Embodied如何实现对多样化指令的理解？
HiDream-O1-Embodied覆盖多元动词、句式与表达方式的等价指令空间，能够穿透字面锁定用户意图，不受句式束缚，从而理解多样化的指令。
HiDream-O1-Embodied如何应对视觉干扰？
HiDream-O1-Embodied综合多个视角的信息，让不同视觉通道相互补充，当部分视觉信息出现偏差或不可用时，仍能借助其他视角理解场景并继续执行任务，实现局部受限时整体仍可运行。
HiDream-O1-Embodied的训练数据策略是什么？
智象采用“真实基座+生成增强”的数据生产范式，以真实动作捕捉数据为底座，利用原生全模态能力生成变体视频，在保持物理约束不变的前提下切换背景、光照等变量，产出海量训练样本，形成数据与模型互相驱动的增长飞轮。
HiDream-O1-Embodied与HiDream-O1-World有何区别与联系？
HiDream-O1-World是交互式世界模型，解决“理解与推演”，让AI在数字世界中具备完整认知；HiDream-O1-Embodied是具身世界模型，解决“操作与执行”，让AI在物理世界中完成真实任务。两者互补，共同构建统一世界模型基座。
智象未来发布HiDream-O1-Embodied的意义是什么？
该模型的发布标志着智象实现了打通图像、视频、3D、动作等模态，贯通理解-推演-执行全流程的技术闭环，是其技术战略从“模拟世界”迈向“真实世界”的关键里程碑。
