原力灵机发布DW0.5：世界模型教练VLA，RL搬进虚拟世界

背景

具身智能（Embodied AI）的目标是让机器人在真实物理世界中执行复杂任务，并持续从经验中学习。然而，与代码 Agent 不同，代码 Agent 可以自动执行、自动验证、自动反馈，奖励信号清晰明确，从而在后训练（Post-training）阶段形成完美的自反馈闭环。具身智能面对的物理世界极为复杂，每一次真机试错都意味着高昂的人力与硬件损耗，且难以获得即时验证。VLA（视觉-语言-动作模型）作为早期技术路线，暴露出物理理解缺失、泛化能力弱、长时序与规划能力不足等问题。世界模型后来成为行业新宠，但同样不是万能解法。行业急需一种低成本、高频率、接近真实的训练反馈环境，让强化学习（RL）能够在虚拟世界中高效运转。

核心内容

原力灵机发布了旗下首款具身世界模型 DW0.5，并将其接入世界模型驱动的具身智能后训练框架 DFOL 2.0。DW0.5 基于上万小时真机、多视角数据联合预训练，能够支持多模态输入（任务指令、图片、视频），并可选定机器人类型。它利用历史动作预测后续视频状态，不仅能生成机械臂正常作业的视频，还能还原任务失败的场景，从而支撑 DFOL 2.0 框架的在线强化学习训练。

DW0.5 本质上是一个高保真仿真器，把强化学习搬进虚拟世界。流程如下：基座模型 DM0.5 先生成初始动作，推给 DW0.5 → DW0.5 在虚拟环境中预演这些动作会导向的未来，批量生成成功和失败的轨迹 → 强化学习教练员 CFG-RL 对每条轨迹的任务进度打分 → 打分和奖励实时回传，更新模型权重，迭代出更强的 DM0.5。据披露，这套流程可使后训练中真机数据需求骤降 60%，整体训练成本下降 40%。

DW0.5 由三大专家模块组成：

• Video Expert：负责预测动作执行后的未来视频状态，包括成功与失败轨迹。
• Action Expert：将动作作为结构性强先验，通过 MoT（Mixture of Tokens）注意力机制与视频序列帧级对齐，强制动作与视频帧一一对应，确保物理合理性。
• Value Expert：对当前状态、候选轨迹或整段 rollout 给出成功概率或任务价值评估，将稀疏的任务结果信号转化为密集的中间反馈。其 Value-Order Correlation 达到 95% 以上。

数据策略上，DW0.5 使用四类数据源：具身公开数据与自采机器人数据（含真机噪声）、互联网视频数据、第一人称人类活动数据、真机与仿真 rollout 数据（覆盖偏离、卡住、恢复等中间状态）。这种设计确保模型既能学习“应该怎么做”，也能学习“做错了世界会变成什么样”。

在工程化泛化表现上，DW0.5 展示了高阶指令与多步动作跟随、多维连续泛化、多视角强一致性、动作-视频生成高度一致性等能力。在 EWMBench、WorldArena 等基准测试中，分别以 4.73、73.54 的分数斩获全球 SOTA（数据截至 7 月 9 日）。实际部署中，DW0.5 已在内部跑通 DFOL 2.0 闭环，并接入原力灵机的 DexDev MaaS 平台。

关键要点

• 解决行业痛点：具身智能后训练飞轮难以运转，真机 rollout 成本高、人工反馈无法高频覆盖、传统仿真无法完整复刻真实物理特性。DW0.5 提供了一个介于两者之间的 Learned Environment，支持低成本大规模的数据生产与策略迭代。
• 核心创新：将世界模型作为后训练的一部分，而不是仅用于规划或预测。DW0.5 不仅模拟成功轨迹，还强制生成失败轨迹，为强化学习提供丰富的惩罚信号。
• 三大模块协作：Video Expert + Action Expert 共同预演动作后果，Value Expert 将后果转化为可优化的价值信号，三者构成完整的 RL 训练闭环。
• 动作作为强先验：与部分世界模型不同，DW0.5 将动作作为结构性条件输入，通过 group-diagonal attention mask 切断视频帧与非对应动作的信息通路，从结构上区分不同动作路径。
• 显著的成本降低：真机数据需求骤降 60%，整体训练成本下降 40%。大部分数据由 DW0.5 在线生成，无需全部依赖真机试错。
• 实测效果：在打气球、晾衣服、叠纸盒等复杂任务中，相比单纯 SFT 基线，关键步骤成功率大幅提升（如打气球任务中“给气球打气”从 10% 升至 90%）。
• 真实数据的不可替代性：原力灵机强调世界模型目前仍需真机校准，真机数据仍然重要，世界模型的作用是降低成本而非完全替代真实数据。

意义与影响

DW0.5 的发布为具身智能领域提供了一条明确的、可规模化应用的落地路径。它解决了后训练阶段缺乏低成本反馈闭环的痛点，使强化学习能够在虚拟世界中高效迭代，大幅降低对真机资源的依赖。这不仅加速了 VLA 模型的泛化能力提升，也降低了具身智能部署的门槛。

从技术路线看，原力灵机摒弃了“贴标签”的流派之争，以目标导向融合世界模型与强化学习，这种务实思路可能引领行业新范式。DW0.5 作为“世界模型驱动的仿真器”，使得具身智能后训练不再局限于昂贵的真机环境，而是可以像代码 Agent 那样在虚拟世界中快速试错和优化。

此外，DW0.5 的开放（GitHub 和 Hugging Face 已开源）有望推动社区在具身世界模型方向的研究与合作。若未来世界模型能力持续提升，现场人员甚至可以利用 Ego 相机采集操作数据，减少对专业真机采集团队的依赖，使后训练流程更加民主化和低成本。整体而言，DW0.5 标志着具身智能后训练从“资源密集型”向“数据智能型”迈出实质性一步。