具身智能“GPT时刻”前夜，这家杭州公司想先给机器人补堂物理课

9月26日，第五届全球数字贸易博览会上，杭州美梦空间科技有限公司（Memo）发布Physical-WAM与RoboTwin-Phys两项成果。前者旨在让机器人“懂物理”，后者用于验证机器人是否真的“懂了”。当天，美梦空间CEO李明昊在博览会首发首秀主舞台首次公开并正式发布这两项成果。

具身智能的商业化推进正面临瓶颈。北大与BeingBeyond联合发布的BeTTER基准（ECCV 2026）显示，最先进的VLA模型在标准静态测试中表现尚可，但一旦引入空间布局偏移或时序外推等干预，成功率便断崖式下跌。另一项斯坦福大学研究则指出，在接触丰富任务中，VLA存在“精度失效”与“力失效”两个相互独立的失效模式。

美梦空间专注于世界模型的研发与应用，由北京大学信息技术高等研究院高文院士领衔的AVS先进视觉系统研究中心孵化，核心团队在具身智能、视频编解码、空间计算、人工智能领域拥有研究经验。2026年8月，物理AI头部企业索辰科技（688507.SH）完成对美梦空间的独家种子轮战略投资，双方在数据、算力、物理AI等技术层面深度协同，共同推进世界模型研发与产业应用落地。

具身智能推进时，首先受到训练信号源头的制约。机器人物理交互数据生产逻辑与文本、图像、视频不同，有效物理交互样本诞生于真实或高保真仿真的接触过程，采集周期长、硬件损耗成本高，不同机器人本体之间还存在数据迁移壁垒。机器人可用的真实物理交互样本仅维持在百万量级，与文本图像领域数十亿级别的数据体量相比，存在数万级别落差。

针对这一现实约束，美梦空间提出Physical-WAM。其核心设计是在感知信号输入和动作输出链路之间，插入一层“物理Token”表征。传统世界模型的中间表征是像素或隐空间向量，虽可推演物理世界演化，但无法感知物理本身。Physical-WAM作为业内首个具备物理感知能力的WAM基模，基于可观测数据与深层物理数据训练，能在真实任务中实时觉察物理变化，并预判动作后果、实时修正行为。

Physical-WAM由PhysLens、PhysDream、PhysAct三个模块构成，形成“感知→预测→生成→修正”的反馈链条。PhysLens从多模态感知信号中提取摩擦、重量、重心、接触状态等不可直接观测的物理信息，输出统一的物理Token表征。PhysDream结合当前物理表征、环境状态和候选动作推演未来物理状态，预测打滑、脱手等风险并给出不确定性评估。PhysAct负责物理条件化动作生成，把物理属性与未来状态预测引入动作生成，当环境发生物理漂移时自动调整执行策略。

例如，机器人抓握纸杯时，PhysLens识别出纸杯材质的低刚度特性，PhysDream预测注水后负载增加可能导致杯壁形变或滑脱，PhysAct据此调整抓握力度和接触位置，并在注水过程中持续修正策略，直至完成操作。

现有具身智能评测基准存在结构性盲区：测量的是“任务完成度”，而非“物理适应度”。一个模型可以在固定摩擦系数、固定物体质量的标准测试集上获得高分，却对物理参数扰动缺乏鲁棒性。在现实中，同等推力下，高摩擦的罐子原地倾倒，低摩擦的罐子直接滑飞；夹持擀面杖同一位置，重心偏移就会引发杆体摆动。这些“物理漂移”很难在传统测评中得到有效验证。

美梦空间的第二个答案是建立评测标尺——RoboTwin-Phys物理漂移测评基准。这是业内首个以物理因素扰动为核心评测对象的机器人操作基准，能够把现实中抽象的物理参数转化为可控、可标记、可复现的变量。该基准遵循三层递进逻辑：物理属性推断准不准、物理扰动下任务还成不成、性能差距的上界在哪里。它在RoboTwin基础上新增13类真实世界常见的物理扰动因素，覆盖物体属性、接触属性、阻尼、任务环境到相机配置五大维度，支持单因素扰动到多因素组合扰动测评。

其工程价值主要体现在三点：提供物理真值，包括物理值、接触力日志、物体运动学数据和失败时间线；固定种子配对评估，让不同模型面对相同扰动实例，减少运气成分；按推断准确性、扰动下任务成功率、性能上界逐层递进，区分“物理状态识别错了”和“识别对了但动作策略没跟上”。RoboTwin-Phys发布即开源，项目代码、数据集与排行榜全部开放，支持第三方验证复现，为行业提供衡量“物理AI”的标准化标尺。

“世界模型”本身仍是一个尚未收敛的概念，学术界至今没有统一的技术定义。毕马威2026年7月发布的《跨越奇点：世界模型如何重塑具身智能产业与商业新范式》报告提供了一个坐标系：表征式世界模型回答“世界是什么”，生成式世界模型回答“世界会变成什么”，交互式世界模型回答“改变世界会发生什么”，理解－生成－预测一体化世界模型则试图回答“如何理解、预测并自主改变世界”。

美梦空间Physical-WAM为物理AI探索了一条技术路径，并仍在持续拓展能力边界。其下一步路线将围绕“视觉先行，力触声递进”持续迭代多模态物理表征模型，扩充物理交互数据集，优化模型推理延迟与多本体适配能力，并联合产业链上下游补齐物理数据、世界模型、评测标准三块拼图。

美梦空间CEO李明昊表示，只有让机器人真正读懂物理世界，具身智能才能大规模从实验室走向真实产业场景。公司将以开源开放的态度，推动行业加速走向具身智能的“GPT时刻”。