知识卡片：自变量发布世界模型WALL-SS，可连续虚拟推演60秒

英文标题：待核实（原始页面无英文标题；中文标题为“腾讯研究院AI速递 20260828”） 英文关键词：world model; WALL-SS; next-scale autoregressive; action-conditioned generation; embodied AI; robot learning; long-term memory; virtual rollout

一句话结论

WALL-SS 是自变量机器人发布的“下一尺度自回归世界模型”，核心改进是让未来画面生成受动作控制，配合长时记忆可连续虚拟推演约 60 秒；在动作跟随得分与虚实相关性上明显优于材料中的对比模型，但暂不支持力矩与多指灵巧手。

事件概述或研究问题

按腾讯研究院AI速递 2026-08-28 报道，自变量机器人发布了世界模型 WALL-SS。该模型面向机器人操作与虚拟推演场景，试图解决世界模型中的“动作可控性”问题：模型不仅要生成未来画面，还要让不同动作对应不同结果，才能在虚拟环境中为真机策略提供可靠预测。

方法/产品要点

模型定位：下一尺度自回归世界模型（Next-Scale Autoregressive World Model），由粗到细描绘未来画面。
动作可控性：让不同动作对应不同结果，缓解所谓“磁铁式抓取”（材料未展开定义，待核实）。
长时记忆：配合长时记忆可连续推演约 60 秒；材料称多数模型极限为 20 至 30 秒。
对比表现：动作跟随得分 WALL-SS 达 0.29，Cosmos3-Nano 为 0.044，其余对比模型为 0。
虚实评估：600 组虚实配对实验中，虚拟与真机成功率相关系数达 0.926，策略排序准确率 89%。
当前局限：暂不支持力矩与多指灵巧手。

主要结果或产业意义

WALL-SS 的动作跟随得分显著高于 Cosmos3-Nano，且“其余模型为 0”，说明许多现有世界模型可能并未真正把动作输入与生成结果绑定。虚拟与真机成功率相关系数 0.926 则意味着，虚拟推演在策略排序和筛选方面有较强的参考价值，可用于降低真机试错成本。

从产业角度看，这条动态显示具身智能竞争正在从“生成更像视频的世界模型”转向“可控、可交互、可用于机器人策略评估的世界模型”。

为什么重要

世界模型被认为是机器人基础模型的重要方向。WALL-SS 的增量信息在于：

强调“动作可控性”，并给出了可量化的动作跟随得分；
通过长时记忆把连续虚拟推演时长推到约 60 秒；
提供虚实相关性数据，展示世界模型用于真机策略排序的潜力。

这表明机器人领域的世界模型不仅要比“画面对不对”，还要比“动作控不控得住”“推演长不长”“虚实像不像”。

与既有脉络的关系

已有相关卡片分别涉及 NIST AI 风险管理框架、Epoch AI 研究趋势、OpenRouter 模型基础设施，均未覆盖具身智能/世界模型。本条作为 AI 产业动态中的机器人基础模型发布，增量在于：WALL-SS 以动作跟随得分、60 秒连续推演和 0.926 虚实相关性，补充了“世界模型如何用于机器人验证”的具体案例。

局限与不确定性

原始材料为媒体速递，并非技术报告或论文，WALL-SS 的完整技术细节、参数量、训练数据和推理成本均待核实。
“动作跟随得分”的计算方式未在材料中说明。
“磁铁式抓取”的具体定义未在材料中展开。
对比模型的具体设置、版本和评估任务未逐一列出。
“其余模型为 0”的具体模型名单未给出。
600 组虚实配对实验的任务类型、机械臂平台和评估指标未详细说明。
暂不支持力矩与多指灵巧手，因此对力控和精细操作任务的适用性有限。
WALL-SS 是否为官方英文全称缩写、是否有技术报告或开源计划，待核实。

可用于图书/PPT/简报的角度

用“动作跟随得分”对比说明：不是所有世界模型都能让动作影响预测结果。
用“60 秒 vs 20—30 秒”说明长时记忆对世界模型持续推演的价值。
用“虚实成功率相关系数 0.926”解释 sim-to-real 的量化评估思路。
用“磁铁式抓取”作为案例，讨论视频生成模型在机器人任务中的物理一致性问题。
作为“腾讯研究院AI速递”中的一条产业动态，体现 2026 年具身智能基础模型的竞争焦点。

原始材料

来源：腾讯研究院AI速递 20260828（搜狐号）
URL：https://m.sohu.com/a/1068548964_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334&digest_item=5
相关内容原始表述：自变量发布世界模型WALL-SS，可连续虚拟推演60秒