--- title: "世界模型与通用大模型加速演进，机器人大脑泛化能力有望提升20261030【浙商新兴产业吴婷婷/钟凯锋团队】 【事件回顾：世界模型、通用推理与VLA相继取得进展】" topic_id: 82258458811858442 created_at: 2026-10-30T09:34:11.295+0800 source: zsxq type: topic cssclasses: zsxq-vault --- # 世界模型与通用大模型加速演进，机器人大脑泛化能力有望提升20261030【浙商新兴产业吴婷婷/钟凯锋团队】 【事件回顾：世界模型、通用推理与VLA相继取得进展】 - 序号：305 - 星球链接：[打开网页](https://wx.zsxq.com/group/15522451881222/topic/82258458811858442) - 附件：图片 0，音频 0，文档 0 - 音频文件：_无音频_ ## 图片 _无图片_ ## 正文 世界模型与通用大模型加速演进，机器人大脑泛化能力有望提升20261030【浙商新兴产业吴婷婷/钟凯锋团队】 【事件回顾：世界模型、通用推理与VLA相继取得进展】 2026年7月，谷歌发布Gemini Robotics 2系列；9月，GPT-6 Astra机器人研究探索通用模型直接生成动作；10月27日，谷歌发布世界模型Genie 4。 世界模型扩展虚拟训练环境，通用大模型向动作层延伸，VLA提升任务覆盖与跨本体适配能力，机器人大脑的泛化路径进一步拓宽。 【三类模型比较：环境模拟、任务规划与动作执行】 1 Genie 4：世界模型。相较Genie 3，新增原生音频与实时自然语言场景修改，为机器人训练及长尾场景构建提供工具。 2 GPT-6 Astra：通用推理模型。从理解、规划向动作生成延伸。在RoboDojo的42项仿真任务、2,100次试验中，平均成功率22.48%，同一测试设置下GPT-5.5为0.88%。 3 VLA：视觉—语言—动作模型。将视觉、指令与机器人状态转化为动作，Gemini Robotics系列持续推进跨本体适配、复杂操作、全身控制及端侧部署。 【机器人大脑：从专用策略走向分层协同】 机器人大脑有望形成 “通用推理+世界模拟+动作执行”的协同架构：通用模型负责理解、规划与纠错，世界模型支持虚拟演练，VLA生成动作，有望减少任务开发与现场调试，扩展可执行任务范围。 【泛化能力： 从理解陌生任务走向适应物理环境】 世界模型扩展场景覆盖，通用推理改善陌生指令理解，VLA推动技能跨物体、任务及本体迁移。物理适应仍是关键：RoboTwin-Phys研究中，π0.5成功率从标准环境的82.74%降至物理参数随机化后的31.60%，反映对摩擦、质量等变化的适应能力仍需提升。 投资建议：关注机器人大脑与数采（ 数采相关标的我们之前有详细梳理）。三类模型协同演进有望推动训练范式升级，带动仿真训练与动作数据采集需求增长。 风险提示：具身智能技术进展不及预期、机器人量产及应用落地不及预期、行业竞争加剧。 ## 总体总结 主题正文 1. 世界模型与通用大模型加速演进，机器人大脑泛化能力有望提升20261030【浙商新兴产业吴婷婷/钟凯锋团队】 2. 在RoboDojo的42项仿真任务、2,100次试验中，平均成功率22.48%，同一测试设置下GPT-5.5为0.88%。 3. 机器人大脑有望形成 “通用推理+世界模拟+动作执行”的协同架构：通用模型负责理解、规划与纠错，世界模型支持虚拟演练，VLA生成动作，有望减少任务开发与现场调试，扩展可执行任务范围。 4. 世界模型扩展场景覆盖，通用推理改善陌生指令理解，VLA推动技能跨物体、任务及本体迁移。 5. 物理适应仍是关键：RoboTwin-Phys研究中，π0.5成功率从标准环境的82.74%降至物理参数随机化后的31.60%，反映对摩擦、质量等变化的适应能力仍需提升。 6. 投资建议：关注机器人大脑与数采（ 数采相关标的我们之前有详细梳理）。 7. 三类模型协同演进有望推动训练范式升级，带动仿真训练与动作数据采集需求增长。 8. 风险提示：具身智能技术进展不及预期、机器人量产及应用落地不及预期、行业竞争加剧。