知识卡片：用世界模型给VLA当教练——原力灵机发布DW0.5

一句话结论

原力灵机发布具身世界模型DW0.5，将其作为VLA后训练的“虚拟环境”，通过三大专家模块实现强化学习的低成本闭环，使真机数据需求降低60%、训练成本降低40%。

事件概述

2026年7月，原力灵机发布首款具身世界模型DW0.5，并将其接入世界模型驱动的具身智能后训练框架DFOL 2.0。该模型用上万小时真机、多视角数据完成联合预训练，能高保真模拟成功与失败轨迹，支撑VLA模型的在线强化学习训练，解决具身智能后训练中缺乏低成本反馈闭环的行业难题。

方法/产品要点

• DW0.5架构：由Video Expert、Action Expert、Value Expert三大模块组成能力链路。
  • Action Expert：将动作信息作为结构性强先验，通过MoT注意力与视频序列帧级对齐，确保动作与预测画面的物理一致性。
  • Video Expert：能模拟成功与失败两类视觉轨迹（失败轨迹对后训练价值高），数据源包括具身公开数据、自采机器人数据、互联网视频、第一视角人类活动数据、真机与仿真rollout数据。
  • Value Expert：将未来状态转化为可训练的价值信号（成功概率/任务价值评估），Value-Order Correlation达95%以上，用于候选动作筛选、RL奖励信号、部署时在线监测。
• 后训练框架DFOL 2.0：基座模型DM0.5生成初始动作→DW0.5在虚拟环境预演轨迹→CFG-RL教练打分→奖励回传更新权重。循环中大部分数据由DW0.5在线生成，降低真机依赖。

主要结果或产业意义

• 数据效率：后训练中真机数据需求骤降60%，整体训练成本下降40%。
• 任务表现：接入DFOL 2.0后，在打气球（关键步骤成功率从10%→90%/100%）、晾衣服（挂上衣架50%→100%）、叠纸盒等复杂任务上成功率显著提升。
• 基准成绩：在EWMBench（4.73分）、WorldArena（73.54分）等评测中斩获SOTA（数据截至2026年7月9日）。
• 部署进展：已在内部跑通闭环流程，并接入DexDev MaaS平台，支持特定场景后训练补足。

为什么重要

具身智能长期面临后训练飞轮难以闭环的困境——真机试错成本高、人工反馈难以高频覆盖、传统仿真与现实差距大。DW0.5提供了一种介于真机与仿真之间的“学习型环境”，让VLA能在虚拟世界中低成本高频探索、获得密集反馈，是“世界模型在具身智能中规模化落地”的重要一步。相比已有相关卡片（如AlphaEvolve、AlphaEarth），本卡片聚焦具身智能领域的世界模型应用与RL后训练方法论，填补了“用生成式环境降低真机数据依赖”的具体实践描述。

局限与不确定性

• 原力灵机强调“真机数据仍很重要，世界模型需真机校准”，因此该方法不能完全替代真实环境。
• 实际部署中，跨任务、跨构型、跨环境的零样本泛化能力仍有待观察，文中仅给出实验室场景的成功率提升。
• 成本降低40%的具体核算口径（是否包含真机校准成本）未详细说明。
• 模型开源信息：GitHub（https://github.com/dexmal/opendw）和Hugging Face（https://huggingface.co/Dexmal/DW05-Base）已提供，但具体社区使用反馈待核实。

可用于图书/PPT/简报的角度

• 技术路径：展示“世界模型作为RL环境”这一新范式，对比“代码Agent自闭环”与“具身智能后训练困境”。
• 产业降本：以真机数据需求降低60%为例，说明世界模型在具身智能商业化中的成本压缩潜力。
• 架构创新：分解三大专家模块的设计思路（强先验动作、失败模拟、价值转化），可作AI系统设计案例。
• 对比视角：与“纯真机试错”“传统物理仿真”进行成本-效果比较。

原始材料

• 来源：量子位（QbitAI），2026-07-16，标题《用世界模型给VLA当教练，原力灵机发布DW0.5，把RL搬进虚拟世界》
• 英文关键词：VLA, World Model, Embodied AI, 原力灵机 (Primitive Force)
• 英文标题：World Model as VLA Coach: Primitive Force Releases DW0.5, Bringing RL into Virtual World