卧安机器人发布自研OneModel1.7世界动作模型,在标准评测与真机实测中成功率高达99%和97%。模型融合理解与执行架构,通过隐式空间优化效率,具备学习进化能力,支持从家庭操作到高精度任务的多场景应用,为具身智能规模化落地奠定技术基础。
卧安机器人发布OneModel 1.7:自研动作模型实测第一
时间:2026-05-20
浏览:365
文章目录
智通财经APP获悉,卧安机器人(OneRobotics,股票代码06600)正式发布了其自主研发的世界动作模型 OneModel 1.7 FrontoStria-RL。该模型面向家庭与服务机器人的真实场景部署,是卧安推动具身智能实现规模化应用的核心模型基础。

模型性能表现如何?实测数据提供了有力证明。在具身智能领域的权威评测基准LIBERO上,OneModel 1.7的平均成功率达到了99%,超越了包括π0.5、GR00T-N1.5、OpenVLA-OFT在内的主流公开模型。更为关键的是真机实测结果:在日常操作任务中,其成功率稳定在99%;面对高精度任务,成功率也高达97%。这组数据表明,模型从实验室走向真实世界应用的门槛已被显著降低。
卧安机器人OneModel 1.7架构解析:三大模块协同进化
支撑高成功率的,是卧安自主设计的RL-Latent World Action Model架构。该架构并非黑箱,其核心由三个分工明确且紧密协作的模块构成:
World Model(世界模型):负责跨场景泛化能力,使机器人能够适应多样化的家庭环境,而非局限于特定布局。
Understand Expert(理解专家):负责深度理解任务意图,并调度相应的技能,充当机器人的“决策大脑”与“指挥中心”。
Action Expert(动作专家):专注于精准执行,将抽象指令转化为稳定可靠的实际动作。
值得注意的是,这三个模块并非通过传统的显式中间图像或坐标传递信息,而是通过一个名为“Predictive Policy Latent”的隐式空间进行连接。这种设计减少了信息转换损耗,从而提升了整体决策与执行的效率及鲁棒性。
卧安机器人模型核心突破:实现稳定执行与持续进化
具身智能要真正融入生活场景,仅具备任务“理解”能力是不够的,关键在于“稳定完成”。OneModel 1.7 FrontoStria-RL的核心突破,在于将泛化理解、高成功率的动作执行以及基于真实反馈的学习能力,整合进同一套世界动作模型系统。
在此架构基础上,强化学习闭环与成功记忆机制起到了关键作用。机器人在真实部署中产生的反馈数据,无论是成功经验还是失败教训,都能持续回流至模型,用于迭代优化。这意味着模型能力并非静态,而是会随着部署规模扩大和使用数据积累不断增强,形成一个“越用越聪明”的正向进化循环。
总体而言,该模型覆盖了从家庭日常操作到高精度、高动态交互的广泛场景。其意义不在于炫技式的单点演示,而在于提供了一套经过实测验证、能够支持规模化交付的模型平台。这或许标志着,具身智能的规模化落地找到了更为坚实的技术支点。
实用工具推荐
绿化、压缩、噪点和虚拟水印,自由调节做旧程度。
选择画质和输出格式,预览压缩前后的大小。