智象未来｜发布具身世界模型HiDream-O1-Embodied，RoboColiseum扰动适应登顶

交互式世界模型解决「在数字世界里想明白」，具身世界模型要回答「在物理世界里做稳妥」。9月7日，智象未来（HiDream.ai）正式发布具身世界模型HiDream-O1-Embodied。公司公开叙事强调原生全模态：打通图像、视频、3D、动作等模态，贯通理解—推演—执行，把统一世界模型基座从模拟世界推向真实任务执行。同期首次参评具身智能评测平台RoboColiseum，在核心的Robustness（扰动适应）子榜以平均分0.692登顶。

智象未来是聚焦原生全模态世界模型的创新型大模型企业，产品家族已覆盖视觉生成、交互式世界模型与具身世界模型。CTO姚霆公开表示，完整世界模型基座需要同时具备全模态表达、因果推演与物理世界构建能力；HiDream-O1-Embodied被定位为技术战略从「模拟世界」迈向「真实世界」的关键里程碑。不到一个月前，公司刚发布交互式世界模型HiDream-O1-World，并在交互式视频世界模型评测基准WBench的Navi分榜以平均分80.9登顶——前者偏理解与推演，后者偏操作与执行，形成互补。

评测与能力要点：

1. 平台：RoboColiseum，面向指令跟随、空间理解、扰动适应与通用操作，约含78个高保真仿真任务
2. 成绩：扰动适应子榜平均分0.692，登顶榜首（公开口径）
3. 扰动设计：改变背景、光照、材质、机器人初始状态、相机位置与图像质量，并对指令多样化改写
4. 语言理解：覆盖多元动词、句式与等价表达，锁定意图而非关键词匹配
5. 视觉：多视角协同，降低单路偏移或遮挡导致的全局失效
6. 容错：训练阶段主动引入不完整、不稳定信息，强化非理想条件下持续执行
7. 数据：叙述「真实基座+生成增强」；与诺亦腾合作示例中，高精度动捕作底座，再生成恪守物理约束的变体视频做精细化扩增

所谓扰动适应，白话是考试不考「温室理想条件」，而考光线乱、镜头歪、指令绕弯时还能不能稳住；所谓原生全模态闭环，白话是看、想、动尽量共用一套表征，而不是拼装互不通话的模块。对具身团队，榜单分数只是入口，真正难的是仿真高分能否迁移到真机连续工况。

放在世界模型赛道上下文里，行业刚经历一轮「能生成好看视频」的热潮，下一棒竞争转向「能不能把推演结果接到机械臂与轮足上」。智象用O1-World与O1-Embodied拆成理解—执行两段，等于主动邀请对照：交互榜与具身榜是否由同一套原生全模态底座支撑。数据飞轮叙事——模型既做考生也做出题人——也会抬高后来者冷启动成本。

产业影响上，若扰动适应成为采购方默认可对照指标，仿真评测平台权重会上升；若真机复现不足，市场会迅速回到「榜单与交付两张皮」。需要把边界读清楚：分数为仿真评测口径；真机部署、跨本体迁移与失败案例公开仍待更多材料。下一观察点是其他子榜表现、真机案例，以及生成增强样本是否进入可审计训练清单。