导语：年夜语言模子学会了猜测“下一个词”，在是有了会写代码、会做题、会对于话的ChatGPT、DeepSeek、Qwen。视频天生模子学会了猜测“下一帧”，在是有了愈来愈

年夜语言模子学会了猜测“下一个词”，在是有了会写代码、会做题、会对于话的ChatGPT、DeepSeek、Qwen。视频天生模子学会了猜测“下一帧”，在是有了愈来愈传神的图象及视频天生模子，例如Seedance、Sora。具身模子学会了猜测“下一个动作”，在是呆板人最先能完成愈来愈繁杂的使命。而悟界·RoboBrain Orca的方针是做一件更底层的事：让AI于“脑海中”形成一个表征，该表征是对于当前世界状况的高度“浓缩”，基在该表征，AI可以或许建模向前及向后世界状况的蜕变。这就是悟界·RoboBrain Orca作为“多模态表征世界模子”的焦点哲学：The World is in Your Mind。

悟界·RoboBrain Orca：从猜测“下一个详细模态输出”，走向猜测“下一个世界状况”。

悟界·RoboBrain Orca于看到一段视频、一张图、一个指令、一段事务描写后，先于内部形成一个同一的世界潜于表征空间。这个世界潜于表征空间就像AI的“脑海中的世界”，它把视觉、语言、事务、使命用意等多模态的旌旗灯号构造起来，进修物体怎样运动、场景怎样变化、动作会带来甚么后果、事务之间有甚么因果瓜葛；当前状况怎样走向将来状况；甚至于某些前提下，世界会不会朝另外一个标的目的演化。悟界·RoboBrain Orca的焦点变化：从Next Token/Next Frame/Next Action，走向Next State Prediction。

悟界·RoboBrain Orca的技能哲学：先使用多模态世界旌旗灯号进修世界表征，再做好一切使命

悟界·RoboBrain Orca把世界进修拆成为了两条互补路径：无心识进修及成心识进修。

婴儿会看到工具失落，会看到人走动，会看到门被推开，会看到球滚到桌子下面。这些经验不是经由过程标签进修的，而是经由过程持续不雅察天然世界得到的。悟界·RoboBrain Orca的无心识进修也是云云，它客不雅地看世界，经由过程海量真实世界的视频，让它先学会“世界本身怎么动”。悟界·RoboBrain Orca的成心识进修，即主不雅地交互世界，就是用语言描写的事务、使命指令及VQA问答，帮忙模子进修稀少但有详细意义的状况转移。

12.5万小时视频，1.6亿条事务标注，且预练习连续Scaling。

悟界·RoboBrain Orca跟着练习数据的增长，下流使命能力可随之晋升，且具有连续Scaling的潜力。悟界·RoboBrain Orca学到的表征可经由过程多种解码器读出。于文本读出上，悟界·RoboBrain Orca更擅长状况转移的理解及动态运动的推理；于图象读出上，悟界·RoboBrain Orca更能揭示真实场景的交互猜测能力；于动作读出上，悟界·RoboBrain Orca没有于预练习中进修动作标签，也能帮忙下流呆板人更好地泛化。

悟界·RoboBrain Orca所代表的世界进修范式有可能从具身智能进一步走向科学发明、繁杂体系建模以致更广漠的认知界限。它是多模态表征世界模子的一个初期版本，但有可能成为通用世界基础模子的一块主要基石。