报告主题：Orca：多模态表征世界模型的初步实现

报告日期：7月9日（周四） 10:30-11:30
报告要点：
具身智能的泛化瓶颈在于缺乏对物理世界的统一建模，现有方法分散于孤立的「下一词」「下一帧」或「下一动作」预测。智源Talk 363期邀请了智源研究院王艺皓与曹洺语、中科院自动化所冀昱衡线上分享，围绕通用世界基础模型Orca展开。提出了「下一状态预测」的统一建模范式，通过无意识与有意识互补学习习得世界潜在空间，验证了更强的世界表征可支撑更强的下游性能，为具身智能与世界模型的融合提供了新路径。欢迎大家一起讨论交流。

议题详情：

Orca是我们通向多模态表征世界模型（Multimodal Latent World Model）的一次早期探索，也是智源研究院在 Next State Prediction 范式的初步验证。Orca从多模态世界信号中学习世界表征，同时基于该表征能够建模向前和向后世界状态的演变。这就是Orca的核心哲学：The World is in Your Mind. 我们用大规模真实世界视频和事件标注数据，让模型同时学会客观观察世界、主观交互世界，学习世界表征。结果证明，该范式是可scaling的，且一个好的世界表征可以为下游任务带来增益。最后，我们讨论了当前存在的局限性，旨在为学术界提供有益的洞见与启发。

报告嘉宾：

曹洺语，现任智源具身智能多模态大模型中心研究员，毕业于中国科学院自动化研究所并获人工智能硕士学位。长期深耕于具身智能多模态大模型和世界模型领域，同时在 ICML、CoRL等人工智能顶级会议发表多项前沿研究成果。曾作为核心贡献者参与研发通用具身基础模型 RoboBrain、跨本体操作系统RoboOS，通用世界模型Orca并担任 RoboBrain 2.0、Orca Technical Report 第一作者。

冀昱衡，现为中国科学院自动化研究所博士生，研究方向聚焦于世界模型和具身智能。他曾作为第一作者主导研发 Orca 世界模型、RoboBrain 具身大脑模型系列、RoboOS 大小脑协同框架系列；其中一作 RoboBrain 入选 2025 EAI 十大突破成果、CVPR 官方研究趋势评论（仅 4/13008）；谷歌学术 800+，项目累计 Star 数 4K+，模型和数据集 HF 下载量超 46 万次。

王艺皓，北京邮电大学博士，现为智源具身智能大模型研究员，长期聚焦世界模型和具身智能，曾多次获得国家奖学金。 他是VLA-Adapter和Orca的第一作者，VLA-Adapter Github Star全国位列第一梯队，全球前10；HuggingFace Daily paper 日榜第一，月榜第三。Orca 受到了十余位行内专家的认可。

电脑端观看地址


更多热门活动：

内容中包含的图片若涉及版权问题，请及时与我们联系删除