PG试玩

科技日报北京10月26日电 （记者沈唯）具身智能的发展，已迈入真实场景规模化落地的新阶段。近日，云深处科技围绕自研具身大脑DEEPRobotics－Brain密集发布多篇论文，集中公布五项研究成果：世界模型DR－WM－1.0、具身基础模型DR－VLA－2.0、具身智能体DR－Agent、策略优化框架DR－APO和数据闭环平台DR－Benchmark。五项成果覆盖具身大脑全链路技术，共同拼出一张面向真实场景作业的具身智能版图。

在预演能力方面，世界模型DR－WM－1.0在四足机器人领域的世界模型中首次引入摩擦力、粗糙度与刚度等物理特性，在传统基于视频生成的世界模型基础上，加入了进行大规模训练的物理属性先验模块，使得世界模型预测未来的画面不仅真实还能符合物理规律。

为了让机器人更好地融入人类生活，研究团队探索“无动作标签的人类视频预训练—机器人示教适配”的四足机器人导航学习路径，具身基础模型DR－VLA－2.0成为首个基于域不变场景表征的四足机器人导航范式。该成果有望让机器人在社区与园区的“最后一公里”配送等场景中，结合路线指令预判行人与障碍变化，更自然地融入人车混行的日常空间。

首个表征解耦的通用生成式策略强化学习框架DR－APO，能够实现从连续控制策略的从零训练到具身导航策略后训练的统一强化学习优化；首个面向持续演化世界的自进化4D信念具身导航智能体DR－Agent，能让机器人实现人机交互场景下记忆体系的动态迭代与持续更新；数据闭环平台DR－Benchmark有望为各行各业提供基准与模型开发基础，让真实场景的数据持续回流，成为具身大脑不断进化的源头活水。

据介绍，这五项成果并非单点突破，而是围绕具身大脑体系开展的协同攻关。云深处科技持续攻坚全链路核心难题，跳出行业单点、割裂的研发惯性，直面真实物理世界下的具身智能挑战，探索出了一条可验证、可迭代、可迁移的前沿技术路线。这套体系化探索为多形态机器人落地研发筑牢了根基，推动赛道告别零散试错、转向体系化攻关，为具身智能赋能产业发展、实现人机协同的长远愿景夯实前沿技术底座。