“书生”物理世界模型W0发布，已支撑完成脂质纳米颗粒合成等干湿实验闭环

近日，上海人工智能实验室发布“书生”物理世界模型W0，为大模型能力从数字空间走向物理世界提供关键支撑，进而为科学智能从方案推演走向真实实验打开全新路径。

W0从设计之初就将视觉、力觉和触觉融为一体，让机器人边感知、边预测、边行动、边修正，四者并行，不用像过去那样按部就班。其核心突破包括“原生力触”和“双工协同”——

W0在视觉之外融入“原生力触”感知，让接触过程中的反馈与视觉、身体状态共同参与操作判断，进入模型的感知与动作决策过程。当机器人接近物体时，视觉帮助确定操作目标与运动方向；进入接触阶段后，力触反馈进一步提供受力变化的依据；身体状态则反映机器人当前的姿态与运动情况。多种信号相互补充，使动作调整能够依据更完整的现场信息展开。

而W0的“双工”，对应多模态信息的输入与输出两个方向。输入端持续接收语言指令、视觉观测、力触反馈与身体状态等信息；输出端据此生成语义理解结果、未来状态预测与动作指令等内容。这种“双工”设计，使接收新信息与生成新输出并行推进：模型在输出过程中仍能处理新的输入，并据此更新预测、调整后续动作。在异步异频架构的支持下，后台规划更新期间，机器人仍能处理新的环境信息、更新后续动作，无需让每一次动作调整都等待新一轮规划完成。

上海AI实验室科研人员告诉新民晚报记者，这意味着，机器人能在视觉受限的精密操作中获得判断依据——无论是是否握稳、是否接触到位，还是下一步该如何调整，W0都能给出可靠的动作指导。

值得一提的是，为支撑多模态输入与输出的持续协同，W0采用“异步异频”的算法架构，让未来预测与动作执行按照各自的计算特点，在不同时间尺度上协同运行——“异步”使后台规划与实时行动能够并行推进，减少环节之间的等待；“异频”使较长时间尺度上的预测与高频动作更新相互配合，将计算资源用于处理各自需要的信息。在规划持续更新的同时，动作系统保持对新观测的响应，让视觉、力觉与身体状态等信号更及时地进入决策链路。高效的信号处理与高频动作更新相互配合，有助于缩短从环境变化发生到动作作出调整之间的间隔。