智象发布具身世界模型HiDream-O1-Embodied，登顶RoboColiseum扰动适应榜

智象未来（HiDream.ai）今日正式推出具身世界模型HiDream-O1-Embodied。该模型基于原生全模态技术理念，旨在强化机器人的物理感知与动态预判能力，推动具身智能实现更复杂的物理交互。此次发布标志着智象在打通图像、视频、3D、动作等模态，以及贯通理解、推演、执行全流程方面，逐步构建起统一世界模型基座的技术闭环。

在模型发布的同时，HiDream-O1-Embodied首次参与具身智能模型评测平台RoboColiseum的评测，即在核心的扰动适应（Robustness）子榜单中，以平均分0.692的成绩位列榜首。

智象未来CTO姚霆表示，构建完整的世界模型基座，需要围绕真实世界的表达、理解和生成，同时具备全模态表达、因果推演与物理世界构建三大核心能力。智象的原生全模态技术理念，从设计之初便计划面向包括动作在内的全模态统一表征。HiDream-O1-Embodied的发布，是该技术战略从“模拟世界”迈向“真实世界”的关键一步。

登顶RoboColiseum：0.692分的“扰动适应”成绩

RoboColiseum是一个常态化的具身智能仿真评测平台，旨在通过高保真仿真环境，提供与真机表现高度一致的评测体系，帮助开发者识别模型能力优势与短板。平台面向全球高校、科研机构及企业开放，实时更新结果，并围绕指令跟随、空间理解、扰动适应与通用操作四个维度，设有4类能力子榜和78个评测任务。其中，扰动适应被公认为最具挑战性，它通过改变背景、光照、材质、机器人状态、相机位置与图像质量，并对指令进行多样化改写，检验模型在非理想环境中的稳定性与泛化能力。

HiDream-O1-Embodied以0.692分的成绩登顶该榜单，得益于其原生全模态底座。在执行环节，为应对真实世界的各类干扰，该模型在理解精准度、视觉感知稳健性和抗干扰能力上进行了针对性创新。

• 指令理解：模型覆盖多元动词、句式与表达方式的等价指令空间，能穿透字面变化，锁定用户意图。
• 视觉感知：通过综合多个视角信息，模型让不同视觉通道相互补充，在部分信息偏差或不可用时，仍能借助其他视角理解场景并执行任务。
• 高容错机制：训练阶段主动引入光照变化、画面污损、视野遮挡等非理想条件，使模型学会从有限线索中作出可靠判断，提升在复杂环境中的持续稳定性。

模型与数据双驱动：构建“真实基座+生成增强”范式

模型在训练中接触的数据质量，直接影响其认知边界。智象采用“模型+数据”双驱动策略，探索出“真实基座+生成增强”的数据生产范式。以与诺亦腾的合作为例，其高精度真人动作捕捉数据作为真实底座，智象借助原生全模态能力进行数据精细化扩增，基于单段真实动作样本生成变体视频，在恪守物理约束的前提下，切换背景、光照、物体形态等变量，产出多元训练样本。这一机制使模型既作为“考生”也作为“出题人”，主动生成针对性样本，形成数据与模型互相驱动的增长飞轮。

不到一个月前，智象发布了交互式世界模型HiDream-O1-World，并在交互式视频世界模型评测基准WBench的Navi分榜中以平均分80.9登顶。交互式世界模型侧重“理解与推演”，具身世界模型侧重“操作与执行”，两者互补，为原生全模态世界模型的发展奠定基础。

智象未来创始人兼CEO梅涛博士此前表示，下一代大模型竞争的关键在于从单模态走向多模态，并最终实现原生统一的全模态。从HiDream-O1-Image到HiDream-O1-World，再到HiDream-O1-Embodied，智象正逐步形成覆盖视觉模型、交互式世界模型及具身世界模型的模型家族矩阵。