交大系酷哇科技发布WAM 2.0：世界模型让机器人学会“思考”，万台订单剑指RoboCity智慧城市

0 0

【量子位 2026年2月6日讯】具身智能赛道迎来关键技术突破。近日，由上海交大系博士何弢、廖文龙联合创办的酷哇科技，正式发布核心技术底座COOWA WAM 2.0世界模型。这款被称为机器人“通用认知大脑”的架构，首次让通用机器人具备“预演物理世界、规划最优动作”的能力，标志着机器人从“动作复现”的模仿者，进化为能自主推理的“思考者”。依托该技术，酷哇科技已手握1万台机器人订单，2026年将覆盖全球50余城，向“RoboCity（机器人城市）”的终局愿景迈进。

一、技术痛点突破：从“数据堆砌”到“推演决策”，破解物理AI核心难题

长期以来，通用机器人面临“物理世界不可穷举”的工程天堑——真实环境中，行人、车辆等动态障碍物的交互组合近乎无限，仅靠堆砌真实数据的模仿学习，会因“累积误差”陷入“未知区域”，导致机器人行为失稳甚至失效。例如传统环卫机器人遇到突发横穿马路的行人，可能因未见过类似场景而卡顿或碰撞。

WAM 2.0的核心创新，在于构建了“反事实推演”能力，让机器人在行动前先在“脑海”中预演后果：

告别“条件反射”：不同于传统“感知→策略→控制”的线性链路，WAM 2.0统一建模“世界状态、动作候选、状态-动作-结果”三大要素，像人类一样理解“做什么会导致什么”。比如环卫机器人遇到落叶堆，会先推演“高压冲洗 vs 机械清扫”的不同效果，再选择最优方案；
零成本试错：通过“基于视频生成的未来预测”模块，机器人能生成未来几秒的动态场景（类似Sora的视频生成能力，但更注重物理规律一致性），在虚拟环境中测试动作风险。例如无人小巴可提前预演“避让违停车”的轨迹，避免真实世界中的碰撞；
解决数据瓶颈：无需依赖海量真实试错数据，仅通过现有数据训练物理规律模型，就能应对长尾场景（如暴雨天路面打滑、城中村狭窄巷道），数据采集成本降低60%。

二、四大技术支柱：“快思考+慢思考”融合，兼顾效率与安全

WAM 2.0通过四大核心模块，实现“直觉响应”与“逻辑校验”的协同，适配城市复杂场景：

1. 语义表征学习：机器人的“视觉皮层”

低层像素信息难以直接用于决策，该模块通过图像-文本对齐技术（结合Masking与对比学习），提取环境高层语义特征——比如将“杂乱的人行道”转化为“行人+落叶+路沿石”的结构化表征。这种能力让技术可跨场景迁移，例如从环卫机器人的“垃圾识别”，快速适配到无人小巴的“障碍物分类”，泛化能力提升3倍。

2. 视频未来预测：物理世界的“推演沙盒”

作为世界模型的核心，该模块通过自监督训练学习物理规律，能生成未来8-10秒的动态场景。例如看到“风吹落叶”，可精准预测落叶的飘动轨迹；遇到“儿童追逐打闹”，能预判其下一步移动范围。这种推演让机器人提前规避风险，在深圳龙岗的实测中，复杂路况避障成功率提升至98.7%。

3. 直觉行动系统：“快思考”保障实时响应

面对突发状况（如行人突然闯入作业区），机器人需毫秒级反应。该系统基于模仿学习经验，直接生成多组动作候选（如“紧急停车+闪灯警示”“缓慢避让+语音提醒”），无需耗时的逻辑搜索，响应速度控制在100毫秒内，满足城市动态环境的实时性需求。

4. VLM宏观约束：“慢思考”守住安全底线

直觉系统虽快，但可能出现“只顾避障却偏离作业目标”的问题。VLM（视觉语言模型）此时扮演“逻辑守门员”：将任务目标转化为高层约束（如“优先清扫主干道落叶，避开老人聚集区”），对直觉系统生成的动作候选进行“剪枝”——剔除违反物理常识（如“碾压绿化带”）或偏离任务的方案，确保决策既高效又安全。

三、商业落地：万台订单+利润回正，从技术原型到工业级产品

技术突破已转化为商业竞争力。依托WAM 2.0的高泛化能力，酷哇科技打破具身智能“定制化成本高、难以规模化”的魔咒：

订单与产能双爆发：2026年全系机器人交付量预计突破1万台，超过过去数年总和，覆盖环卫、出行、园区服务三大场景。其中L4级无人小巴CooBus已在深圳、杭州等城市实现地铁接驳，城市管家机器人则进驻北京CBD，完成垃圾清扫、人流疏导等任务；
首次实现盈利：近期宣布年度EBITDA（息税折旧摊销前利润）回正，成为业内少数具备“自我造血”能力的通用机器人企业。核心原因是WAM 2.0降低了边际成本——单台机器人部署成本较传统方案下降40%，运维人力需求减少70%；
全球化布局提速：除国内50余城，已启动新加坡、迪拜等海外市场拓展，优先服务人力成本高、招工难的地区。例如在迪拜市中心，环卫机器人可在50℃高温环境下持续作业，解决当地夏季环卫人力短缺问题。