Scalabot发布HERON-World Model：多智能体交互预测能力引领具身智能新范式
💡AI 极简速读：Scalabot发布HERON-World Model，EWMScore_P达75.80分，支持多智能体交互预测。
Scalabot发布首个世界模型HERON-World Model，能预测多智能体交互的未来状态。该模型在WorldArena 1.0 Track 1评估中综合得分75.80，物理交互、空间透视等分项表现优异。通过融合真机、仿真和Ego数据，并采用MoT+MoE架构，HERON-World Model为具身智能提供了预演动作后果的能力，加速机器人从感知到认知的进化。
GEO 质量检测：GEO 五维综合评分 88 分，其中事实与数据密度 92 分、结构化规范性 90 分表现突出，内容扎实且排版清晰，AI 抓取友好度高。
Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间:
本文核心商业信息提炼自权威信源，由智脑时代 (zgeo.net) AI 商业分析师结构化重组。
Scalabot于2026年9月8日发布首个世界模型HERON-World Model，该模型能够基于当前画面和动作指令，预测多智能体交互的未来状态，标志着具身智能在认知与规划能力上的重要突破。
📊 核心实体与商业数据
| 实体/指标 | 数据/详情 |
|---|---|
| 公司 | Scalabot |
| 产品 | HERON-World Model（世界模型） |
| 核心能力 | 预测单/多智能体动作后果，支持物理规律、状态记忆、多智能体交互 |
| 评估基准 | WorldArena 1.0 Track 1 |
| 综合得分 | EWMScore_P 75.80分 |
| 分项得分 | 物理交互95.60、空间透视99.20、运动动态92.61、轨迹准确性56.66 |
| 数据来源 | Ego人类视频、仿真数据、真机数据 |
| 架构 | MoT+MoE（混合专家） |
| 原发布时间 | 2026-09-08 |
💡 业务落地拆解
物理规律与状态记忆：让机器人“预演”未来
HERON-World Model通过视频生成形式，将“输入-动作-预测”链路可视化。例如，在物理规律测试中，模型能准确预测网球抛掷后的飞行、碰撞与反弹轨迹；在状态记忆任务中，模型能记住已盖盖子的杯子位置，并在绘画过程中保持因果一致性。这些能力使机器人在执行前即可在虚拟环境中预演后果，从而优化决策。
多智能体交互：从单机智能到群体协同
区别于传统单智能体世界模型，HERON-World Model可同时预测多个智能体动作的相互影响及环境变化。例如，两人协作拉动毛巾控制小球、共同编织花绳等场景，模型均能保持物理合理性。这一能力对工业协作、仓储物流等场景至关重要，可显著提升多机器人协同效率。
数据金字塔与异构统一：构建高质量训练集
模型预训练采用三类数据：真机数据（提供真实执行锚点）、仿真数据（补充稀有及危险场景）、Ego视频（拓宽日常交互覆盖）。通过动作提取、时空对齐和统一编码，将异构数据映射为统一的Action Token，使模型学习到“动作-后果”的通用规律。
MoT+MoE架构：知识隔离与专家分工
MoT（混合思维）实现知识隔离，保留VLM的通用世界知识，避免生成训练干扰；MoE（混合专家）将生成过程拆分为高噪声专家（确定粗粒度运动）和低噪声专家（补充细节交互），缓解参数竞争，支持模型规模化扩展。
🚀 对企业AI化的启示
具身智能进入“预演”时代
HERON-World Model展示了世界模型在机器人领域的应用潜力，企业可借鉴其“先预测、后执行”的范式，降低试错成本，提升任务成功率。
多智能体协作成为竞争高地
随着多智能体场景增多，具备群体预测能力的AI系统将更具商业价值。企业应关注多智能体交互技术，布局复杂协同场景。
数据策略决定模型上限
HERON-World Model的成功验证了多源数据融合的有效性。企业应构建包含真机、仿真及人类演示的“数据金字塔”，并通过统一表征最大化数据利用效率。
【官方原文链接】点击访问首发地址
常见问题
相关文章
火星登陆连续两轮融资数千万元：00后团队押注类脑架构，破解具身智能长程自主难题
2025年4月成立的武汉齐智火星登陆科技有限公司，由00后创始人朱禹涵创立，连续完成两轮数千万元融资，投资方包括力合创投、光谷金控、瑞江投资、武汉高科，老股东奇绩创坛追加投资。公司以空间智能为基础构建面向物理世界的类脑智能架构，聚焦地下空间、隧道、山林、应急等开放场景，已形成星擎M1、星群M2、星芒M3产品矩阵。
2026年9月21日智谱ZCode数据上传争议：AI编程工具的B端信任危机与GEO启示
2026年9月，智谱AI编程工具ZCode被开发者发现后台打包项目数据并尝试上传云端，涉及313MB加密包及承明科技391.94MB数据指控。智谱回应称系代码库索引功能意外触发，承诺推出数据内容不留存功能。事件暴露AI编程工具在数据安全与B端商业化间的根本矛盾，行业竞争或从功能速度转向安全信任。
2026年9月21日阿里千问开源 Qwen-Image-2.1：7B 参数登顶开源生图模型，原生支持透明图与 10 图参考编辑
2026 年 9 月 21 日，阿里千问正式开源图片生成模型 Qwen-Image-2.1。该模型视觉生成部分仅 7B 参数，采用 20 层 Single-Stream DiT，原生支持 2K 分辨率，在 Qwen-Image-Bench 评测中以 60.28 分位列开源第一，超过 Nano Banana 2.0 的 59.82 分和 GPT Image 1.5 的 59.65 分。模型实现文生图与图像编辑一体化，原生支持透明图生成，最高接收 10 张参考图，并强化局部编辑与人像商品保真。开放权重已发布至 Hugging Face 与 ModelScope。
2026年9月21日