星源智世界模型融入行动决策，跨本体协同验证工业场景作业能力

2026年9月，星源智入选2026年《财富》中国科技50强。9月15日至16日，星源智创始人兼CEO刘东出席2026《财富》中国科技50强·创新之夜及《财富》世界500强论坛，围绕AI驱动智能制造、未来战略性产业等议题，分享了对具身智能产业发展与规模化应用的思考。同期，在8月19日至23日于北京亦创国际会展中心举行的2026世界机器人大会上，星源智以“具身大脑·交互世界”为主题亮相C馆C122展台，系统展示RoboBrain Pro具身大脑、ω-EVA具身交互世界模型、RoboBrain Xross跨本体协同平台三大核心技术，并带来覆盖动态交互、工业产线、高位作业、异构多机协同的四组实机Demo。这不是一次单纯的技术展示，而是在真实物理交互场景中，对具身智能从感知执行走向决策闭环的集中验证。星源智以“具身大脑模型 高算力端侧算力平台”构建软硬一体体系，并结合世界模型能力，形成从模型到端侧算力平台的完整技术链条。

从预测未来到参与决策，ω-EVA把世界模型推入行动过程

与跑、跳等自由运动不同，当机器人真正与外部环境发生力的交互，控制问题会变得更加复杂。在传统VLA模型中，机器人主要学习“观测—动作”关联，对环境动态变化缺乏建模；视频生成式世界模型通过预测未来视频理解环境变化，但推理成本较高；现有latent世界模型则存在未来表征压缩失真、世界建模与动作生成监督脱节等问题。真实世界始终处于变化之中，相机视角、光照、场景布局以及物体位置都可能发生改变，仅学习“观测—动作”关联，很难支撑机器人面对真实环境中的分布偏移。

针对这一问题，星源智推出具身交互世界模型ω-EVA。该模型让策略在行动前先与自己的后果交互，通过三阶段构建交互式动作生成闭环，帮助机器人理解物理世界运行规律，构建自主决策能力。其核心范式为Interactive Action Feedback，即交互式动作反馈，使世界模型进入行动决策闭环。ω-EVA具备三重价值：可反馈，将proposal-conditioned latent consequence显式暴露给refiner，使世界模型成为一次控制决策中的反馈来源；可重写，Refiner不只是评估proposal，而是直接产生新的action chunk，使后果推理落实到动作改写上；可部署，后果推理始终在latent feature space中完成，避免了推理阶段的完整未来视频生成，使世界模型更接近端侧实时控制中的内部反馈模块。

在模型能力持续迭代的过程中，星源智推出JEPA-WAM世界模型，通过SharedPredictor双任务协同架构，学习跨任务通用的环境时序变化规律。该模型基于冻结的预训练V-JEPA编码器，构建当前—未来联合结构化表征目标，完整保留patch-level空间对应关系，让模型理解环境如何发生变化，而非机械记忆固定未来画面。JEPA-WAM的时序过渡监督方案具备通用适配能力，在不改变原有模型感知、动作生成核心通路的情况下，通过新增轻量级未来Token，为已有预训练VLA补充环境动态先验。目前，JEPA-WAM基座模型为0.5B参数，无需大规模机器人预训练数据，也无需像素级未来视频生成，在性能、效率与部署成本之间寻求适用于真实机器人系统的平衡。ω-EVA世界模型为1.2B参数，在LIBERO基准上达到98.6%成功率，LIBERO-PLUS上达到83.4%，RoboTwin上达到90.3%。

一个大脑跨本体，RoboBrain Pro与RoboBrain Xross破解多机协同难题