光象科技與清華大學發布物理原生世界模型 Phi-WM 1.0 ActEffect：僅於訓練期提供反饋，RoboCasa-GR1 成功率達 67.5%

據報導，光象科技聯合清華大學李升波教授課題組發布第一代物理原生世界模型 Phi-WM 1.0 ActEffect。該模型旨在解決具身智能的部署成本問題，其受控世界模型僅在訓練階段運作，負責檢查機器人動作造成的後果並提供策略最佳化反饋；在實際執行任務時則退出部署鏈路，無需展開未來預測，從而降低時延與算力消耗。 在運作機制上，策略會先生成三版動作提案（前饋分支、MIP 動作頭粗提案、精修提案）。受控世界模型在凍結的 DINOv3 視覺特徵空間中，僅根據當前畫面與動作預測場景的物理變化（不讀取語言指令），並將三次預測與真實觀測進行比對，透過排序損失與梯度截斷將結果差異傳回策略權重。 評測數據顯示，ActEffect 在單臂多任務基準 LIBERO 取得 98.8% 平均成功率；在加入七類分布偏移的 LIBERO-PLUS 達到 80.3%（高於 Fast-WAM 的 51.5%）；在控制 GR-1 人形機器人、具備 29 維動作空間的 RoboCasa-GR1 測試中，平均成功率達 67.5%，分別超越 ABot-M0 與 Fast-WAM 達 9.2 及 10.8 個百分點。消融實驗指出，若移除後果反饋機制，LIBERO 平均成功率會從 98.8% 降至 97.0%。 此外，光象科技已將其 Phi-Bot X1 機器人導入蔚來汽車的焊接上下料場景，於 2026 ATC 展會期間連續運行 3 天、累計作業 21.5 小時達成零失誤，目前正推進 ActEffect 模型在真實產線鏈路的驗證。