声明：文档由AI根据原文生成。
机器人叠衣服时，袖口打滑、衣物转个角度、夹爪偏了几厘米——这些真实场景中的微小偏差会不断累积，最终让策略滑入训练中极少见过的状态。这是"直接从当前观测预测多步动作块"的VLA模型不够稳健的关键原因：缺少预判下一步并尽早纠偏的机制。
北京极佳视界的解法是让策略"看得见未来"。GigaBrain-0.5M*将大规模视频语料预训练的世界模型作为紧凑"教练"，由其预测未来状态的隐变量与价值信号，VLA在强化学习中以这些预测为条件进行决策。该方法在GigaBrain-0.5基础上（10,000+小时机器人操作数据预训练），采用RAMP（Reinforcement leArning via world Model-conditioned Policy）持续用模型rollout数据自我提升。
扩展机器人学习需在覆盖面与落地性之间取舍。GigaBrain-0.5的预训练数据共10,931小时，其中61%（6,653小时）由世界模型GigaWorld合成，覆盖新纹理、视角与物体位置；其余39%（4,278小时）来自真实机器人集群与公开基准。
RAMP是一套持续学习范式，核心在于边更新世界模型与策略，边采集更高质量rollout：
该设计受π0.6*中RECAP启发，两者均通过附加信息对VLA条件化。RECAP仅使用稀疏优势（0或1）作为输入，信息增益有限；RAMP则利用预训练充分的世界模型预测的未来状态，提供更丰富的条件信号。理论分析表明，RECAP是RAMP的一种特例。
GigaBrain-0.5M*在家庭叠衣、服务冲煮咖啡、工业折纸盒等真实任务中达到接近满成功率，且能连续多次稳定运行。
为公平对比，研究团队保持相同基础模型，仅改变强化学习方式：
RAMP在叠衣、冲煮咖啡、折纸盒任务上整体优于所有基线，其中折纸盒与冲煮咖啡任务相比π0.6*的RECAP提升约30%。
GigaBrain-0.5在10k+小时机器人操作数据上预训练，经任务特定示范后训练。8个内部任务评测显示，相比GigaBrain-0、π0、π0.5等先前策略持续提升。
在公开RoboChallenge基准上，截至2026年2月9日，中间模型GigaBrain-0.1以51.67%平均成功率位列榜首，较π0.5的42.67%高出9个百分点。
价值预测更快更准。以"未来看起来有多好"的估计做检验：基于VLM的方式延迟最高（A800上0.32秒/帧，SigLIP视觉编码器主导）；仅用世界模型预测价值最快（0.11秒）但精度较低（MAE=0.0838，Kendall=0.7288）；世界模型同时预测状态+价值则精度最佳（Kendall=0.8018，MAE=0.0621），速度仍具竞争力（0.25秒）。
多任务学习能力增强。纯示范模仿下策略只见"干净"轨迹；引入世界模型条件后，策略可"偷看"预测未来，在轨迹偏离时及时纠偏。实验显示，5,000–20,000 steps训练过程中收益持续可见，多任务训练下差距逐步拉大，20,000 steps时Box Packing成功率差距可达约30%。