RoboTwin第一、RoboDojo领跑：Physical AI的下一轮Scaling，为什么是Physics？
2026.10.24 · 事件 · 论文 · 媒体报道
清华李一鸣团队发布PrismWAM与RoboDoctor，从模型与系统两层探索Scaling Physics。
清华大学李一鸣团队发布两项 Physical AI 成果：世界动作模型 PrismWAM 将语义上下文与物理状态解耦，在 RoboTwin 2.0 无动作数据预训练下以 83.67% 平均成功率登顶；Agentic 框架 RoboDoctor 在 RoboDojo 全部 54 项任务中取得 57.1 分，位居对比首位。
- PrismWAM 将语义上下文与物理状态解耦，建立 Semantic Planning → Physical Rollout → Executable Action 注意力链路，动作模块不直接读取…
- PrismWAM 未做额外动作数据预训练，仅用预训练视频模型初始化并对深度编码器做约 2,300 小时深度数据预训练。
- RoboTwin 2.0 上 PrismWAM 平均成功率 83.67% 列官方榜首，Clean-to-Random 高难度评测成功率 75.5%。
- RoboDoctor 以 5B 参数版 PrismWAM 为固定底层策略，通过 Harness、Intervention、Operation 三个递归自我改进过程提升执行。
- RoboDoctor 在覆盖 RoboDojo 全部 54 项任务的测试中取得 57.1 分，位居当前对比首位。
为什么值得看
看清 Physical AI 从语义扩展转向物理建模的新路线
适合谁关注
机器人研究者、具身智能与 AI 从业者