7月7日，北京智源研究院发布多模态表征世界模型“悟界·RoboBrain Orca”，该世界模型可通过学习事件之间的因果关系并加以思考，从而预测“下一个世界状态”。

据介绍，悟界·RoboBrain Orca在看到一段视频、一张图、一个指令、一段事件描述后，先在内部形成一个统一的世界潜在表征空间。这个世界潜在表征空间就像AI的“脑海中的世界”，它把视觉、语言、事件、任务意图等多模态的信号组织起来，学习物体如何运动、场景如何变化、动作会带来什么后果、事件之间有什么因果关系；当前状态如何走向未来状态；甚至在某些条件下，世界会不会朝另一个方向演化。悟界·RoboBrain Orca的核心变化：从预测“下一个具体模态输出”，走向预测“下一个世界状态”。

悟界·RoboBrain Orca还可以在无意识之间学习：它客观地看世界，通过海量真实世界的视频，让它先学会“世界自己怎么动”。同时，悟界·RoboBrain Orca的有意识学习，即主观地交互世界，就是用语言描述的事件、任务指令和VQA问答，帮助模型学习稀疏但有具体意义的状态转移。

未来，随着训练数据的增加，悟界·RoboBrain Orca下游任务能力可随之提升，且具备持续Scaling（扩展）的潜力。

文/北京青年报记者 温婧
编辑/贺梦禹