优必选Thinker-WM在WorldOlympiad、EWMBench、WorldArena三大具身世界模型评测中均获第一。其核心是在表征层统一多模态，将RGB视频、深度与机器人动作编码至共享空间，由统一动态Transformer联合建模，支持六种能力模式。深度作为原生模态使操作成功率提升15个百分点。Motion Probe实验证明视觉表征已编码动作信息，标志具身世界模型从拼接式走向统一生成新范式。