当具身智能走向真实作业场景，如何让机器人理解这些变化，并据此调整行动 ，成为高质量数据支撑模型训练与应用的一道具体课题。
第五届世界数字贸易博览会上 ，杭州美梦空间科技有限公司（以下简称“美梦空间”）展示具备物理感知能力的世界动作模型Physical-WAM，以及物理鲁棒性评测基准RoboTwin-Phys。美梦空间CEO李明昊在接受《中国经营报》记者采访时表示 ，两项成果分别围绕机器人如何利用物理信息行动、如何检验其应对物理变化的能力展开 ，探索物理数据从训练资源向实际操作能力转化的路径 。
高质量物理数据支撑模型训练
随着机器人操作任务日益复杂，训练数据能否充分反映真实环境中的变化 ，直接影响模型的适应能力 。物体的质量、质心 、刚度以及接触面的摩擦等因素 ，都可能改变动作执行结果。仅从画面和动作轨迹建立关联，难以完整描述这些物理条件的作用 。
在李明昊看来 ，真实物理交互样本的采集成本较高 ，物理属性的获取与表征也需要专门设计 。对具身智能而言，高质量数据集建设需要关注物体与环境的属性 、交互过程和执行结果之间的联系 ，让影响任务成败的物理信息能够被模型学习和利用。
美梦空间联合北京大学信息技术高等研究院高文院士所在的AVS先进视觉系统研究中心进行孵化 ，围绕机器人对物理世界的理解，公司将可观测数据与深层物理数据结合用于Physical-WAM训练：前者记录环境和交互中的表现，后者描述摩擦、质量 、质心 、接触状态等影响操作结果的物理信息 。
李明昊表示 ，通过两类数据的结合 ，Physical-WAM将物理条件引入动作决策，为预测动作后果、调整执行策略提供依据 。物理数据的应用价值 ，由此落实到机器人如何判断当前环境 、选取 动作及应对变化之中。
从感知物理变化到调整动作策略
据美梦空间介绍 ，Physical-WAM通过PhysLens 、PhysDream和PhysAct三个模块协同，构建“感知—预测—生成—修正”的闭环 。PhysLens从多模态感知信号中估计物理信息 ，形成统一的物理表征；PhysDream结合当前物理信息、环境状态和候选动作 ，推演后续变化，评估打滑 、脱手等风险；PhysAct则将物理属性和预测结果用于动作生成 ，在条件变化时调整执行策略 。
以持纸杯并注水为例 ，纸杯刚度较低，注水后负载增加 ，可能引发杯壁形变或滑脱。模型需要结合这些条件判断动作风险 ，调整抓握力度和接触位置，并在操作过程中持续修正策略 。这个例子说明，机器人完成操作所需的信息 ，还包括物体在接触 、受力和运动中的变化 。
记者注意到 ，对于真实作业场景，模型的价值需要通过不同条件下的任务表现来验证。Physical-WAM的研发重点 ，正是让物理感知与动作后果预测共同参与策略调整 ，使机器人能够更好地应对环境中的变化。
以评测验证能力并推动产业协同
与模型研发配套，美梦空间联合北京大学、北京大学信息技术高等研究院和索辰科技（688507.SH）开源了RoboTwin-Phys物理鲁棒性评测基准 ，将物理条件变化纳入机器人操作能力的测试 。
据企业介绍 ，该基准覆盖50个双臂操作任务 、731个多样化物体，支持5种机器人形态 ，设置13类可控扰动 ，涵盖物体属性 、接触属性、阻尼、任务环境及相机配置等维度，支持单因素扰动与多因素组合扰动 。其中 ，摩擦 、质量 、质心等参数被转化为可控、可标记的测试变量 ，为可复现的对比实验提供条件。
在这套评测中，研发团队可以观察物理属性估计是否准确 、条件变化后任务能否完成，并分析模型在哪些情况下仍会失效 。据美梦空间介绍 ，Physical-WAM已开展与多种机器人模型的对比评测 ，在物理随机扰动条件下取得了较基线模型更高的任务成功率 。
对数据开发利用而言，评测结果也为后续训练提供反馈。模型在哪些物理条件下表现不足 ，可以成为补充交互数据 、调整训练内容的依据 。由此 ，数据采集与模型研发能够围绕具体问题持续迭代，数据价值也有了更明确的检验方式 。
2026年8月 ，美梦空间获得索辰科技的独家种子轮战略投资 ，双方围绕物理AI赋能模型训练、世界模型服务产业应用开展协同。公司将进一步探索物理数据 、模型能力与真实任务的联合验证，推进与机器人本体企业及场景方的合作 。
下一步 ，美梦空间将沿着“视觉先行 ，力触声递进 ”的路线完善多模态物理表征，扩充物理交互数据集 ，优化模型推理延迟与多本体适配能力 ，并持续推进数据 、模型与评测工具建设 。
“只有让机器人真正读懂物理世界，具身智能才能大规模从实验室走向真实产业场景。 ”李明昊表示 。围绕这一目标，公司将以开源开放的方式联合产业链伙伴 ，推动物理数据在机器人训练和真实场景验证中发挥作用 ，为具身智能应用提供支撑 。
（文章来源：中国经营报）
