拓元智慧开源原生4D世界动作模型E0.5，真机成功率超π0.5

机器之心发布 一个充电器，一根缠成一团的线。 对人类来说，塞进收纳盒是两秒钟的事。对机器人，这是一道近乎无解的题，充电器是刚体，线缆是柔性体，两者的运动规律不同；而摆放角度、线缆的扭曲形状，在训练集里几乎没有重样的时候。 这类任务的难点不在动作本身，抓取、平移、下放，每一个动作拆开看都不复杂。难的是机器人对于任务的理解和判断，线缆还剩多少露在外面，第二次抓取会不会压到已经放进去的部分，容器边缘会不会挡住手腕。这些判断全部依赖对当前空间状态的准确理解，以及对动作之后空间会变成什么样的预判。 同一件物品，换个角度、换个位置、旁边多一个不相干的东西，在模型眼里就是一个全新的输入分布，这也是为什么真机上的成功率往往比实验室里低一大截。 X-Era AI 拓元智慧把这道难题交给了世界动作模型 E0.5。 E0.5，在 AgileX Piper 双臂机器人和 Zerith H1 人形机器人上，经过机器人数据预训练后，它的整体平均成功率分别达到 85.0% 和 88.3%，较 π0.5 分别高出 13.3 和 26.7 个百分点 —— 在与实力不俗的主流基线模型正面较量中，E0.5 依然展现出明显优势。 论文地址：https://arxiv.org/pdf/2610.36011 项目主页：https://www.x-era.com/e05/ 开源代码：https://github.com/X-EraAI/e05 大多数世界模型，还没走到机械臂上 过去两年，世界模型被视作通向物理 AI 的关键路径。四条主要路线，各自卡在不同的地方。 一条依托游戏引擎和人工物理规则生成仿真数据。仿真环境与真实世界动力学之间存在天然鸿沟，现实世界的复杂性无法被穷举。 一条基于海量视频学习视觉动态。画面能做得高保真，但物理一致性、几何一致性、长时序记忆稳定性都不够。更关键的是，只有画面生成，完不成机器人控制的闭环。 一条在抽象隐空间做状态预测。算力省了，但抽象表征的效果难以评估，工程落地路径也不清晰。 还有一条把世界状态与动作联合建模，核心研究 "动作执行之后会产生怎样的物理后果"，直接面向真实物理世界的交互改造。 X-Era AI 拓元智慧的设计思路是把空间建模与物理建模解耦，提升模型对物理规律的学习与表征能力。空间建模负责几何，物理建模负责动力学演化，各自有清晰的监督信号，模型对接触、摩擦、形变这类连续变化的表征更充分，跨场景迁移时也更容易把 "规律" 和 "场景" 分开带走。 选择这条路的理由很朴素 —— 世界模型的最终归属是产业落地，要打通从仿真到机器人实操的完整链路。而落地这件事，不认画面，只认物理。 长时序操作，考验分布外迁移能力 仿真环境里的效果，只能作为架构和损失函数的校验场，不能直接等同于落地能力。基模在仿真任务上拿到高分数，接入真机后违背物理常识、不安全动作的案例并不少见。数字世界缺少摩擦、形变、噪声、光线、机械误差等扰动，而真机必须在这些扰动里维持稳定。 E0.5 在已有三维基础模型之上，进一步使用超 16 万条真实机器人轨迹开展具身预训练。在 AgileX Piper 双臂机器人和 Zerith H1 人形机器人上，E0.5 的分布内任务平均成功率分别达到 96.7% 和 100.0%；综合分布内与分布外设置，整体平均成功率分别为 85.0% 和 88.3%，较 π0.5 分别提升 13.3 和 26.7 个百分点。 在真机上的表现，恰好用来展示这套 “未来几何监督” 在真实扰动下的价值。 真机评测覆盖 AgileX Piper 双臂系统与 Zerith H1 人形机器人，任务包括鼠标归位、充电器收纳（将刚性充电器本体与整条柔性线缆一并收进收纳件）及垃圾清理。每项任务分 EASY 与 HARD 两档，HARD 档引入训练分布之外的鼠标位姿、陌生充电器与线缆，以及包含未见物体的更大规模垃圾集合。每套策略在两个平台累计进行 120 次试验，总实验次数共 480 次。 核心结果（不经大规模机器人数据预训练，直接进行任务后训练，对比 π0.5）： Piper 分布内平均成功率达到 86.7%，H1 达到 93.3%，相比同样未经具身预训练的 π0.5（46.7% 和 70.0%），分别提升 40.0 和 23.3 个百分点； 充电器收纳在两个平台上分别提升 20 和 40 个百分点 ——Piper 从 50% 提升至 70%，H1 从 40% 提升至 80%。—— 这类「必须把刚性与柔性部件完整收纳」的任务，最依赖对动作空间后果的几何理解，也正是 E0.5 的对齐方式最能发力的地方； Piper 垃圾清理成功率从 40% 提升至 100%，实现分布内场景下的全部试验成功； H1 上，在相同的 600 条演示数据、5 个 epoch 后训练预算下，E

来源只提供摘要，完整内容请打开原文。