刚刚体育游戏app平台，机器东谈主圈公认最难的「家务大考」RoboCasa-365，榜首换东谈主了。

新记录62.6%，比之前的SOTA径直提升8.4个百分点。

要知谈，这个榜上大部分模子还在50%以下拒抗。

更挑升想的是，登顶的这个名字，之前险些没东谈主别传过：Riemann-1.0，黎曼能源。

一查，好家伙，首秀。这个模子才刚在WAIC 2026上谨慎发布。

跑分成见不了一切，我又去翻了它的真机视频。

唾手点开一段机器东谈主打理餐桌的demo，只可说，榜单没骗东谈主。

薄薄贴在桌面上的勺子，夹得起来；碗里剩的汤，知谈先倒了再收；完事了还顺遂把桌子擦干净。

视频地址：https://mp.weixin.qq.com/s/KIBoK4IAklhdmU21fCIyVg

（收场，推测连老妈以后的台词都要改了：连机器东谈主都比你眼里有活儿~）

再往上扒，黎曼能源背后站着的是昆仑万维——前者正是昆仑万维专为具身智能标的缔造的子公司。

一个新容貌，凭什么首秀就登顶？

谜底藏在它的「食谱」里：23.2万小时西宾数据中，占大头的根柢不是机器东谈主数据，是东谈主的视频。

没错，东谈主作念饭、叠衣服、打理桌子的第一视角视频。

造机器东谈主大脑，行业吵出了新共鸣

为什么是「东谈主的视频」？这还要从具身智能畛域吵了一年多的阶梯之争提及。

VLA和天下模子，谁代表机器东谈主的改日？行业曾为此划分成明显两派。

两派各有优劣，为便于全球作念对比，这里我径直放了一张AI生成的图表：

△图片由AI生成

玩忽回归等于，VLA属于「直观派」，快但容易翻车；天下模子则属于「深想派」，稳然则又慢又贵。

吵着吵着全球发现：算了，既然各有优劣，那不如来一个择善而从？

于是，两条阶梯开动合流。

本年6月，英伟达西雅图机器东谈主实验室发布了一篇长文综述，著述的中枢判断是：

World Action Model（WAM，天下动作模子）如故从VLA究诘里的小众分支，速即长成了机器东谈主基础模子的第二条主阶梯，而下一代机器东谈主基础模子，大要率是两者的夹杂体。

△图源：英伟达官方技术博客

ICML 2026上，包括LeCun团队在内的多篇论文也在往团结个标的用力：

从海量无标注的原野视频（in-the-wild videos）里学习潜在动作天下模子。

△图源：ICML官网

把这些工作放在一王人看，一条正在被越来越多团队考据的西宾范式浮出水面：

先用大限度洞开天下视频作念预西宾，让模子看遍东谈主类奈何和物理天下打交谈，攒够物理直观；再用极少实在机器东谈主数据作念动作对王人，把直观翻译成可扩充的限定信号。

这就成见注解了，为什么下一代机器东谈主大脑，都盯上了「东谈主的视频」。

对机器东谈主来说，东谈主类每天的生存等于一场不隔断的操作示范。作念饭、叠衣服、整理房间，这些第一视角视频里，藏着东谈主类奈何感知环境、算计动作、处理不测的全部狡饰。

况且这类数据要若干有若干，场景丰富，还在滚滚不竭地增长。

实验上，行业里少部分前沿玩家如故看到了这点。比如Being-H0.7用了20万小时第一视角东谈主类视频，Generalist AI的GEN-1更是砸了50万小时可一稔开采网罗的东谈主类数据。

看成其中之一，Riemann-1.0的私有之处在于：

它是国内较早把这条范式齐备工程化跑通的选手，从仿真Benchmark到真机均得到考据的那种。

而它之是以能跑通，要津在于解决了一个中枢贫寒：东谈主类视频里莫得机器东谈主动作标签。

没错，再漂亮的范式，也有我方的问题要解决。

东谈主叠衣服的视频看得再多，机器东谈主手臂该转若干度、夹爪该用多自便，视频里一个字都没写。

看得懂，作念不出。

20万+小时东谈主类干活的视频，奈何造成机器东谈主手上的活儿？

这正是Riemann-1.0故事的起先。

23.2万小时视频，奈何造成机器东谈主的时刻

Riemann-1.0，一款面向通用机器东谈主操作的天下模子（World Action Model）。

从名字就能看出来，它正是前文说的「夹杂体」：

VLA的手它有（径直搬动作），天下模子的脑它也有（预演天下演化），两派的活儿，一个模子全包了。

而它要攻克的，正是行业眼前那谈共同的坎：

奈何把莫得动作标签、开端林林总总的洞开天下数据，造成机器东谈主可扩充的限定才调，况且要跨机器东谈主实质通用。

Riemann-1.0的解法，用作念菜来类比，不错拆成三步。

Part 1：准备食材

数据等于食材。

仔细一扫Riemann-1.0的案板，只见上头摆着这样「三谈菜」：

「广菜」：20万+小时东谈主类第一视角视频；

「精菜」：1.2万+小时UMI与外骨骼手套数据；

「准菜」：2万+小时机器东谈主真机与仿真轨迹。

三种数据开端，23.2万小时西宾数据，遮蔽41种机器东谈主实质、数千种交互阵势。

就这个限度，不得不说，如故富余机器东谈主把东谈主间火食看个遍了（doge）。

△图片由AI生成

不外，食材多，不等于能径直开席。

尤其是占大头的那谈「广菜」：20万+小时东谈主类视频，没洗没切，连动作标签都莫得，没法径直下锅。

奈何办？先备菜。

Part 2：备菜

黎曼能源为此自研了一套自动化东谈主类数据处理活水线，专门负责洗菜切菜。

这套活水线奈何干活？不妨在头脑中设想，你正在随着一段视频走一遍：

一段「东谈主在厨房切菜的第一视角」视频进厂，第一件事是摆正。

鱼眼镜头的畸变、歪了倒了的画面，完全改良成正视图，浅薄后头下刀。

接着VLM上场，把长视频切成一个个细粒度动作，给每一段配上任务刻画、动作请示、场景和物体信息。

切完还得过两轮一致性校验，标得对不上的，推倒重来。

切好的片断紧接着过质检。

画面里东谈主太多的、动作没道理道理的、遮盖严重的、活儿没干完的、不是第一视角的、手出了画面的，六类废片，径直进垃圾桶。

活下来的片断，迎来整条活水线上最中枢的一步：给手建3D模。

系统检测并跟踪画面里的手，重建出齐备的手部姿态，再配合相机位姿推测，把手的通顺轨迹换算进天下坐标系，终末作念整段平滑。

到这一步，视频里「手奈何动」，第一次造成了机器可读的3D坐标。

诚然，重建的质料也得把关。

手看不清的、动得太快的、镜头晃太狠的，按阈值再筛一轮，和前边的语义质检互为补充。

终末一步是装盘：按场景、任务、动作、手段、物体五个层级分好类，平衡配比，驻防模子偏食。

一段段视频这样走下来，海量「东谈主类干活的摄像」，就造成了一册机器东谈主能读懂的「动作讲义」。

P.S. 另外两谈菜由于自带夹爪传感，业界已有相对熟识的处理活水线，这里就未几伸开了。

Part 3：炒菜

食材备好，当今终于不错开火了。

炒菜谨慎步谐和火候，对应到模子上，等于架构和西宾战略。

架构上，Riemann-1.0基于扩散架构，建议了全因果动作-视频合资建模框架，把视觉动态、环境情景和机器东谈主动作序列，放进团结个生成过程中统一学习。

这意味着，模子不单是知谈「目下看到了什么」，还在学习「动作会怎样调动环境，以及下一刻天下可能造成什么样」。

而为了让团结个模子适配41种不同形态的机器东谈主实质，Riemann-1.0进一步谋略了实质专属的动作映射模块：

分享对天下的斡旋，同期保留不同机器东谈主的「肢体适配才调」。

说到底，它试图打造的是一个负责斡旋环境、预计变化的「通用天下大脑」，然后通过不同机器东谈主的动作适配器，把这种斡旋转动为具体的扩充才调。

再说火候。

西宾分三段，窍门藏在一组数字里：动作蚀本权重0.1→0.5→0.9。

第一阶段，小火慢炖。用Latent Action Model从海量东谈主类视频里索要伪动作信号，动作权重只给0.1，让模子省心看片，先学会物理天下的运行规章。

第二阶段，中火调味。引入UMI和机器东谈主实在动作数据作念校准，权重拉到0.5，把伪动作空间平滑过渡到实在限定空间。

第三阶段，大火收汁。纯机器东谈主数据连合强化，权重推到0.9，火力全开练出能径直上岗的真功夫。

从「以斡旋天下为主」渐进切换到「以扩充动看成主」，有点像大模子西宾里从预西宾到对王人的旅途，只不外载体从文本换成了物理天下的动作。

好了，菜出锅了，该尝尝滋味了。

加一味东谈主类视频，猛涨14.4个百分点

起先要考据的等于阿谁灵魂问题：绕这样大一圈用东谈主类视频，确切灵验吗？

消融实验给出了颠倒硬的谜底。

在专门覆按长序列家务才调的RoboCasa-365上，模子重新西宾，收遵守38.2%；加机器东谈主数据预西宾，43.4%，涨5.2个百分点；再加UMI数据，48.2%，又涨4.8个百分点。

然后，加入东谈主类视频数据：62.6%。

一下子猛增了14.4个百分点，比前两类数据的增益加起来还多。

Riemann-1.0团队合计：

这成见东谈主类数据带来的远不啻「更多西宾样本」，它给模子灌进了更丰富的物体交互阵势、动作语义和任务先验，径直举高了模子在没见过的场景里的泛化上限。

另一组严格限定变量的实验更狠。

在专为双忠良手东谈主形机器东谈主谋略的EgoVLA基准测试中，相似的模子、相似的机器东谈主数据，只是比拟加不加东谈主类视频预西宾：

长程多阶段任务的收遵守，从42.96%干到71.11%，暴涨28个百分点；

换成完全没见过的视觉配景，也从26.36%提到43.33%。

任务链越长、场景越生疏，东谈主类数据的价值越大。

措置这个基础性问题，最自后看举座得益单。

先看仿真端的三张考卷：

LIBERO，业内常用的程序操作评测，考基本功，Riemann-1.0收遵守99.0%；

RoboTwin 2.0，主打双臂相助任务的仿真基准，收遵守94.3%；

RoboCasa-365，前边说的最难家务大考，62.6%，登顶SOTA。

无庸赘述，Riemann-1.0基本功评测稳居第一梯队，而上风最明显的，恰正是RoboCasa-365这种强调家庭长经由、跨场景泛化的西宾。

不外，仿真刷榜终究是模拟考，真机上岗才是真训练。

上岗之前，团队先给模子安排了一轮「岗前实训」：针对实在落地场景的专项后西宾。

他们搭建了四类代表性的家务科场：有序积木堆叠，考精确操控和请示斡旋；柔性布料折叠，考形变物体的交互处理；桌面杂物整理和厨房餐具收纳，考杂沓居家环境下的长经由相连操作。

示范数据靠东谈主工遥操作网罗，四类场景合并作念合资西宾。

为了平正，参与对比的开源基座模子也拿相似的数据、相似的西宾步数作念了后西宾，站在团结条起跑线上。

效果Riemann-1.0平均收遵守85.00%，过程完成度（计算长经由中间步调鼓励的方针）94.43%，两项都在系数对比步调里名按序一，起先最佳的开源模子15个百分点。

况且四类任务收遵守全部超80%，每项的过程完成度都在91%以上。

翻译翻译，不光效果颖异成，中间每一步也走得稳，长经由不掉链子。

视频地址：https://mp.weixin.qq.com/s/KIBoK4IAklhdmU21fCIyVg

从仿真登顶到真机上岗，Riemann-1.0把「看东谈主类视频学干活」这条路，重新到尾走通了。

One More Thing

终末说回黎曼能源本人。看到这家公司第一眼，我就在想：

昆仑万维，一个印象中涉足AI游戏、AI音乐、AI短剧等内容赛谈的公司，奈何瞬息干起机器东谈主了？

还专门缔造一个子公司孤苦运营？

理了理，背后其实是两条逻辑线的交织。

一条属于行业。为什么东谈主东谈主都在谈具身智能、天下模子这些？本质上是因为交互阵势正在发生变革。

东谈主和AI的交互，前几年靠翰墨、图片、音视频；接下来，AI要开动伸手碰物理天下了。

内容公司作念机器东谈主，看似突兀，放进这个大转向里，只是旦夕问题。

另一条属于昆仑万维我方。它的下场，早有铺垫。

早前那些高频的模子更新就不说了，就说此次它阁下的《天下模子与多模态范式跃迁》论坛，其实一共亮相了三款模子：

Matrix-3.5天下模子（升级）：可交互才调达成跃迁，买通数字孪生与具身智能底层底座；

Mureka v9.5（升级）：AI音乐创作走向量产级落地；

机器东谈主模子Riemann-1.0（首发）：买通天下模子与实体机器东谈主交互闭环。

看外出谈了吗？前两个管数字天下的生成，第三个开动伸手碰实在天下。

尤其是天下模子这块底座，一头连着游戏和视频；另一头，第一次连上了实体机器东谈主。

数字牌打满，下一张落在物理天下，水到渠成。

两条线在这里交织，就有了黎曼能源。

至于为什么单独缔造公司？昆仑万维的逻辑并不复杂：

机器东谈主这种硬核赛谈莫得速胜，得让中枢团队孤苦发展、配上专属资源、作念永远参预。

母公司出算力、出身态，团队专心跑技术，各展长处。

一套动作下来，昆仑万维，这家几年前就把「达成AGI」写进公司工作的玩家，第一次信得过把手伸进了物理天下。

AGI的上半场在屏幕里，下半场，在屏幕外。

标的已明，剩下的，就看谁跑得快了。

— 完 —

量子位 QbitAI

轻柔咱们体育游戏app平台，第一时分获知前沿科技动态