InternW0：用于高效现实世界交互的基础物理世界模型

物理智能需要的不仅仅是预测世界将如何演变：随着世界的不断变化，预测必须保持可操作性。我们介绍 InternW0，它是上海人工智能实验室 InternW 物理世界模型系列的第一个实例，围绕全模态接口、异步多频处理以及部分观测和外部影响下的局部物理建模而构建。 InternW0 通过具有流匹配的非对称视频动作架构共同学习未来视觉动力学和连续机器人控制。大容量视频专家提供更长期的预测上下文，而轻量级动作专家则以更快的时间尺度运行。 InternW0 不是为每个动作更新重新生成未来，而是重用分层 K/V 并通过观察条件上下文路由使其适应新观察到的状态。特定领域的界面和软提示支持异构实施例，而接触感知后训练则结合了力和触觉信号以进行丰富的接触操作。我们使用大约 7,200 小时的异构机器人和自我中心数据来训练 InternW0，其中包括 EgoLab，一个 275 小时的真实实验室自我中心数据集。评估涵盖模拟基准和现实世界的科学任务，包括 15 阶段金属有机框架合成工作流程以及用于通用定量移液的 5 阶段接触和力感知灵巧操作。这些结果推进了可扩展、异步和科学原生的物理世界模型，以实现普遍且高效的现实世界交互。