近日，原力无限首发多个通过世界模型驱动双臂协作长程任务。
场景：白色桌面，两个机械臂，一把小扫帚和配套的畚斗，一个桌面垃圾桶，几个散落的纸团。
任务目标——把桌面清扫干净。
但要真正做到"清扫干净"，机器人需要自行想清楚的事情，远比看起来多得多：先拿哪个？怎么分工？畚斗什么时候推过去？纸团扫进去之后，怎么倒进垃圾桶？力度和角度怎么控制？完成之后，两只手放回哪里？
这些问题，全部由世界模型在执行前完成推演，由双臂在执行中自主协调，全程没有人类介入，没有遥控，没有剪辑，没有预先编好的运动轨迹，一镜到底。
把未来“想出来”
在很多人的印象里，世界模型和视频生成之间的边界，已经变得有些模糊了。Sora火了之后，“生成逼真的未来画面”开始被等同于“真正理解了世界”。
原力无限首席科学家陈佳玉教授在今年4月的“具身世界模型”主题论坛中，对这个问题有过比较深度和详细的剖析：
“世界模型的讨论不能停在「把未来画出来」这一层。对机器人而言，画面质量不是目标。真正的价值，在于模型能不能提炼出与任务相关的关键信息——哪些位置可以交互、哪些关系会变化、哪些动作会导致什么后果。”
因此两种路线，本质上是两种不同的问题意识：
空间智能型世界模型，答的是“未来长什么样”——生成视觉连贯的画面，追求感知层的保真度，评价标准是图像质量分数。因此这条路在视频生成、虚拟场景构建等领域自有其价值。
物理智能型世界模型，答的是“做了之后会怎样”——推演动作发生后物体的状态变化，建立“动作—接触—结果”之间的因果关系，评价标准是机器人能不能基于这个推演做出正确决策、完成真实任务。
原力无限走的是后者，这段桌面清扫的双臂协同展示，正是这种能力的一次直接呈现。
长程任务的门槛，比大多数人想的要高得多
单步操作任务展示，例如拧瓶盖、折叠衣物、精准抓取——这些在技术上有含量，但它们有一个共同特点：任务边界清晰，执行路径短，环境相对稳定，出错了还可以重来。
长程任务的挑战完全不同，难度叠加在三个层面：
首先是任务分解。“把桌面清扫干净”是一个抽象目标，不是一条可以直接执行的指令。机器人需要把它拆解为一个有先后顺序、有依赖关系的子任务序列——哪步先做、哪步等待、哪步可以并行，这些逻辑要在规划阶段就自行想清楚。
其次是状态衔接。每完成一步，世界就变了：纸团位置不同了，扫帚朝向变了，畚斗里的重量变了。机器人必须实时感知这些变化，将其纳入后续规划的调整。预编程轨迹在这种场景下几乎是无效的——环境稍有偏差，整条链路就会在某一步断掉。
再是协作逻辑。此次任务里两个机械臂要配合完成同一个目标，但它们之间并没有显式的通信协议。协同之所以能发生，是因为模型在规划阶段已经理解这是一个"双主体协作任务"，并为两个执行者分别生成了语义上互相兼容的行为序列。
三个维度叠加在一起，才是长程任务真正的技术门槛所在。
图灵奖得主Richard Sutton的关键判断
2024年，Richard Sutton和Andrew Barto摘得ACM图灵奖——强化学习领域的两位奠基人，等来了属于这个方向的最高荣誉。
Sutton在获奖后的多个公开场合，都表达了同一个判断：纯语言模型（LLM）缺乏对真实世界的grounding，无法构建真正意义上的世界模型；通向通用智能的正确路径，是强化学习与世界模型的深度结合——让智能体在与真实环境的交互中，建立起对因果关系的预测能力，而不是停留在文本或像素层面的模式匹配。
这个判断，与原力无限的技术选择共享同一套底层逻辑：世界模型不应孤立存在，必须与VLA、因果推理、持续学习深度融合，才能真正支撑机器人在复杂真实场景中的自主能力。
VLA模型解决“看到什么、怎么做”——从视觉感知、语言理解到动作生成的执行链路；世界模型解决“做了之后会怎样”——在动作发出之前，先在内部完成一轮因果推演。两者分工明确，缺一不可，难点在于如何对接、如何协同迭代、如何在真实任务中闭环验证。
这正是原力无限选择“持续学习VLA与因果世界融合模型”技术路线的根本出发点——让它真实嵌入机器人的决策回路，与数据闭环、工程化训练体系一起运转，驱动具身大脑持续进化。
从一张桌子，到更广阔的真实世界
此次同步验证的，不止桌面清扫一个任务。
同期完成的还有一个餐盘放置长程任务：一个机械臂从桌面拾起餐盘，递交给另一个机械臂，再由后者完成精准放置，两个餐盘，依次完成，双臂协同，全程自主。
两个任务，场景不同，物体不同，操作逻辑也不同——清扫任务考验的是多步骤的顺序规划与工具使用；餐盘任务考验的是跨臂传递中的时序对齐与接力精度。但驱动它们的，是同一套世界模型。
原力无限认为，泛化能力是评估一套具身智能系统真实水位的核心指标。一个只在特定任务上表现出色的模型，和一个能在不同场景、不同任务结构下持续稳定输出的模型，本质上不是同一类系统。
桌面清扫与餐盘放置亦只是一个起点，是在复杂现实场景下可迁移性的初步验证。
长程任务能力一旦稳定泛化，同一套世界模型驱动的逻辑，可以迁移到工业装配线上的多步序列操作，可以延展到餐厅、酒店、零售场景里的多机器人协同服务，可以推进到家庭环境中真正意义上的日常任务自主执行，具身智能进入千行百业、走进千家万户，就不再只是一个方向，而是有路径可循的目标。