世界模型不只是预测未来，更要理解行动与环境变化之间的关系，并最终服务于机器人的动作决策。星源智以‘具身大脑模型+高算力端侧算力平台’构建软硬一体体系，并结合世界模型能力，形成从模型到端侧算力平台的完整技术链条。从具身交互世界模型ω#x2011;EVA到JEPA-WAM，星源智正在围绕这一核心方向持续推进世界模型研究。

一、模型判断｜ω#x2011;EVA与JEPA-WAM的双轨探索

ω#x2011;EVA具身交互世界模型让策略在行动前与自己的后果交互。三阶段构建一个交互式动作生成闭环，帮助机器人理解物理世界运行规律，构建机器人自主决策核心能力。其核心范式Interactive Action Feedback（交互式动作反馈），让世界模型首次进入行动决策闭环。而JEPA-WAM则不再以生成一幅确定的未来画面为目标，而是转向学习跨任务通用的环境时序变化规律。模型基于冻结的预训练V-JEPA编码器，构建当前—未来联合结构化表征目标，不压缩细粒度空间信息，完整保留patch-level空间对应关系，让模型理解“环境如何发生变化”。JEPA-WAM基座模型仅0.5B参数，无需大规模机器人预训练数据，也无需像素级未来视频生成，在性能、效率与部署成本之间寻求更适用于真实机器人系统的平衡。目前，JEPA-WAM相关代码已正式开源。

二、数据判断｜真机数据积累与合规使用

在智源训练阶段，星源智已积累20余个品牌机器人、约20万条真机数据，建立了统一的数据采集、处理和交互语义标准，为跨本体泛化提供了高质量数据基础。在数据安全方面，公司内的存储以及在云端的存储都做了加密处理，接受国家数据局的指导，在数据的训练和数据流转上要求做一些脱敏处理，在数据安全领域一直按照合规和内部安全控制的方案去执行。相比VLA纯模仿学习仅能利用高质量成功数据，世界模型路线可同时利用成功和失败轨迹，数据获取成本和难度显著降低。

三、工业判断｜具身装卸场景的效率跨越

在与中力股份联合研发的具身装卸场景中，星源智实现了从“3分钟级”到“1分钟级”的工业节拍效率跨越。核心技术路线为“路端感知+自研规控+末端闭环”。路端感知把货车边界转成稳定地图坐标，标定误差从约0.77米降到约0.10米；自研规控重排动作顺序，减少轨迹段和停顿，平均卸货时间降至1分30秒以内；末端闭环叉尖感知识别托盘孔洞、高度和偏差，看见偏差后立即驱动货叉微调。最终实现单车作业平均时间约90秒，双车协同装卸进入1分钟以内，装卸效率达到人工操作水平。同步发布「擎天柱」高位拣选机器人。

2026世界机器人大会（WRC）于8月19日至23日在北京亦创国际会展中心举行。星源智以“具身大脑·交互世界”为主题亮相C馆C122展台，系统展示RoboBrain Pro具身大脑、ω#x2011;EVA具身交互世界模型、RoboBrain Xross跨本体协同平台三大核心技术。8月20日，星源智创始人兼CEO刘东受邀出席“智造现场·具身智能的工业试炼论坛”并发表主题演讲。在WRC现场，搭载ω#x2011;EVA具身交互世界模型的机器人进行人机乒乓球对打，在高速动态环境中持续预测与行动；同时，星源智联合南京大学LAMDA团队，基于RoboBrain Pro原创研发异构具身协同学习框架，在全球首次实现异构多机协同跳长绳实机验证，呈现全球首次人形机器人+机器狗多机协同跳长绳的场景。

从ω#x2011;EVA到JEPA-WAM，星源智正在让世界模型真正服务机器人行动。未来，星源智将继续围绕具身大脑模型与高算力端侧算力平台，推动世界建模在具身智能领域的进一步探索与应用。