10月17日，ROSCon China 2026 机器人开发者大会在上海举行。北京人形世界模型负责人邹世龙以《具身大一统模型的探索与思考》为题，分享了北京人形在具身模型与世界模型方向上的研究进展。

换一个场景、换一组物体、换一台机器人，模型能否继续完成任务？围绕这一问题，北京人形提出一条研究路线：以四级泛化明确目标，以多层次数据构建鲁棒世界模型仿真器，支撑策略持续迭代，逐步走向模型自进化。

1、泛化的四层台阶：从适应变化到迁移能力

此次分享将具身模型的泛化能力划分为四个难度递进的层级：

背景泛化：换了桌面、光照或背景，仍能完成原有操作。组合泛化：将打开、抓取、旋转、悬挂等原子技能，组织成新的长程任务。交叉泛化：适应场景、物体、动作、视角与机器人本体的新组合。域外泛化：面向超出既有数据覆盖范围的任务与交互条件，利用已有知识推断和适应。

层级越高，越考验模型能否把已有经验迁移到新的条件中。这套框架，也为能力建设与评测提供了更清晰的目标。

2、让世界模型成长:从三类数据到闭环学习

围绕世界模型，学界和产业界正探索理解与生成统一、三维世界建模、隐空间状态表征等互补路线。这些路线各有侧重，也都需要多样、高质量的数据支撑。

针对数据与泛化的关系，分享提出四层数据与能力演进框架。前三层分别补足不同的学习经验：

无本体数据：通过第一视角视频、UMI 手持式采集等方式，拓展跨场景、跨任务的学习经验。仿真／生成数据：扩展操作样本与环境变化，增强任务内泛化能力。失败恢复数据：引入真实或仿真执行中的偏差、纠正与恢复过程，提升鲁棒交互能力。

前三层数据的协同目标，是构建鲁棒的世界模型仿真器；第四层则进入世界模型推理与策略迭代，让模型从积累经验走向利用反馈持续学习。

3、四个关键问题，看懂北京人形的模型探索

通过表征分析、注意力通路干预与行为测试，研究视觉和语言在控制中的作用，识别模型实际依赖的信息，为后续改进提供依据。

Pelican-VLA：如何让机器人聚焦操作所需的关键信息？

通过32个瓶颈槽位约束感知到动作的信息通路，提取并传递与操作任务相关的特征，让复杂的视觉信息更有效地服务动作生成。

Pelican-Sim 1.0：如何构建通用的世界模型仿真器？

面向多种机器人本体与场景，结合当前画面和动作轨迹预测环境变化，为数据增广、动作选择与策略改进提供支持。

Pelican-Unify：如何让理解、预测与行动在同一模型中协同？

通过共享任务表征与联合训练，将场景理解、任务推理、未来视频和动作生成连接起来，让不同能力相互约束、共同提升。

这些探索已在具体实验中体现出应用价值。例如，在 RoboTwin 数据增广实验中，每个任务以50条原始示范加入500条生成轨迹后，所测试策略的平均成功率由70.0%提升至93.0%，展示了世界模型辅助策略学习的潜力。

4、冠军天工，永不止步

模型是否好用，赛场是最好的答卷。今年8月的第二届世界人形机器人运动会上，“冠军天工”以15金12银18铜位居总奖牌数第一，34次刷新世界纪录，成为100米、400米、1500米、跳高的世界纪录保持者；从天工Ultra的半马冠军、百米“飞人”，到举重、拔河等新赛项的金银铜包揽，这些赛出来的成绩，是Pelican-Unify模型能力被一次次验证的注脚——理解、预测、行动，最终都要在机器人真实的每一步里兑现。

下一阶段，北京人形将围绕大一统模型与世界模型仿真器两条主线，加快研发迭代。

在大一统模型方向，进一步加强理解、推理、预测与动作生成的协同，提升跨任务、跨场景与跨本体的适应能力。

在世界模型仿真器方向，持续丰富交互数据，提升动作一致性、长时预测与失败恢复场景的模拟能力，为策略学习提供更可靠的训练与评估环境。

在此基础上，逐步贯通模型内推演、策略更新、真实验证与数据回流，让新的交互经验持续反哺模型，探索可验证、可持续的自进化路径。

5、“人机共生”的美好未来

对所有人来说，技术终究要回答“为谁而来”。北京人形把“创新技术 服务人类 改变世界”作为最顶层的理念——技术是手段，服务人类是目的，改变世界是方向。让机器人先在模型里“想象”任务的走向，再在真实世界里稳稳落地，正是这句话最具体的展开。

作为国家地方共建具身智能机器人创新中心、国内首家具身智能软硬件全栈科技公司，北京人形以“具身天工”与“慧思开物”两大平台为双核心，朝着“全球具身智能领导者”稳步前行。当机器人开始“想象未来”，它也在帮人类预演一个更远的未来。北京人形正以最前沿的技术创新带动和促进具身智能改变世界，一步步走向“人机共生”的明天。