الإجاباتمنشور21 المصادر
Thinker-WM: نموذج يوحّد ما يراه الروبوت وما يفعله
يجمع Thinker WM الفيديو RGB وخرائط العمق المتري وأفعال الروبوت في تمثيل مشترك، باستخدام مشفّرات ومفكّكات خاصة بكل وسيط ومحَوّل ديناميكيات موحّد. أعلنت UBTECH تصدّر النموذج ثلاثة معايير: WorldOlympiad بنتيجة 0.740، وEWMBench بنتيجة 4.66، وWorldArena 1.0 Track 1 عبر 12 بُعداً للتقييم.
نشر بواسطةتم التحرير باستخدام GPT-6 Lunaتم إنشاء الصور باستخدام GPT Image 2
إجابة البحث
الوجبات السريعة الرئيسية
- يجمع Thinker WM الفيديو RGB وخرائط العمق المتري وأفعال الروبوت في تمثيل مشترك، باستخدام مشفّرات ومفكّكات خاصة بكل وسيط ومحَوّل ديناميكيات موحّد.
- أعلنت UBTECH تصدّر النموذج ثلاثة معايير: WorldOlympiad بنتيجة 0.740، وEWMBench بنتيجة 4.66، وWorldArena 1.0 Track 1 عبر 12 بُعداً للتقييم.
- تذكر بطاقة النموذج نحو 20 ألف ساعة من البيانات المنظورية و10 آلاف ساعة من بيانات الروبوت؛ لكن التفاصيل المتاحة لا تثبت جميع تقسيمات البيانات أو قائمة الأوضاع التشغيلية الستة.
- في اختبار استئصالي معلن، ارتفع نجاح مهمة واحدة في RoboTwin بمقدار 15 نقطة مئوية عند إضافة العمق؛ ولا تتضمن المادة المتاحة نسبتي النجاح قبل الإضافة وبعدها.
موجّه الذكاء الاصطناعي
openai.comCreate a landscape editorial hero image for this Studio Global article: What is UBTECH’s Thinker WM, as detailed on October 17, 2026, and how does its arXiv documented architecture unify RGB video, metric depth a. Article summary: Thinker WM is UBTECH’s unified multimodal world model: it jointly models and generates RGB video, metric depth and robot actions, rather than treating visual prediction, geometry and control as independent systems.. Topic tags: general web, ai safety, ai, productivity, code. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts wit
Thinker-WM هو نموذج «عالم» متعدد الوسائط تطوّره UBTECH، صُمّم ليتعامل مع ما يراه الروبوت وما يفعله في إطار واحد. فهو لا يقتصر على توقّع الفيديو التالي، بل يجمع بين فيديو RGB، والعمق المتري الذي يقدّر المسافات، وأفعال الروبوت. وتصف ورقة arXiv بنيته بأنها محوّل ديناميكيات موحّد مع مشفّرات ومفكّكات مخصّصة لكل وسيط. 1
17
كيف يجمع النموذج الصورة والعمق والحركة؟
يمرّ كل نوع من المدخلات عبر مشفّره الخاص، ثم تُحوَّل المعلومات إلى تمثيل كامن مشترك. يتعامل معه بعد ذلك Unified Dynamics Transformer، أو «محوّل الديناميكيات الموحّد»، لتعلّم العلاقة بين مظهر المشهد وهندسته وحركة الروبوت. وفي مرحلة الإخراج، تعيد مفكّكات الوسائط إنتاج المخرجات المناسبة، مثل الفيديو وخرائط العمق وأفعال الروبوت. 1
17
الفكرة هنا ليست أن كل المخرجات تصبح متطابقة، بل أن النموذج يتعلّم ديناميكياتها داخل تمثيل مشترك مع الحفاظ على شكل خاص لكل نوع منها. ويختلف ذلك عن تصميم يربط نموذج الفيديو والهندسة وسياسة التحكم بوحدات منفصلة؛ إذ يتيح للتمثيل المشترك التقاط الروابط بين تغيّر المشهد وحركة الروبوت. لكن المصادر المتاحة لا تثبت بحد ذاتها أن هذا التصميم يضمن كفاءة أعلى أو أداءً أفضل في كل استخدام. 8
17
ما النتائج التي أعلنتها UBTECH؟
قالت الشركة إن Thinker-WM تصدّر ثلاثة معايير لتقييم نماذج العالم المخصّصة للروبوتات. هذه نتائج معلنة من الشركة، وليست تحققاً مستقلاً من ترتيب حالي على لوحات المتصدرين. 2
7
- WorldOlympiad: نتيجة إجمالية 0.740، شملت 0.531 في اتساق الأبعاد الثلاثية و0.765 في دقة التفاعل. وبحسب التغطية، بُني المعيار على بيانات تفاعل لروبوتات حقيقية تضم أكثر من عشرة أجسام روبوتية وإعدادات متعددة للكاميرات، بهدف اختبار التعميم بين أشكال الروبوتات وزوايا الرؤية.
2
7
- EWMBench: نتيجة إجمالية 4.66، قالت UBTECH إنها جاءت في الصدارة. وذكرت تقارير الإعلان أن النتيجة تجاوزت Qwen-RobotWorld وSora 2، كما أشارت إلى أداء متقدم في مطابقة المسارات ومقاييس الديناميكيات؛ لكن المواد المتاحة هنا لا تعرض درجات المقارنة التفصيلية أو الدرجات الفرعية.
6
13
- WorldArena 1.0 Track-1: أعلنت الشركة تصدّر التقييم عبر 12 بُعداً. ووصفت التغطية الاختبار بأنه قائم على المحاكاة، لكن التفاصيل المتاحة لا تكفي لسرد الأبعاد الاثني عشر أو درجات كل منها.
3
ماذا أضافت بيانات العمق؟
في اختبار استئصالي على RoboTwin، أفادت التغطية بأن إضافة العمق رفعت نجاح النموذج في مهمة واحدة بمقدار 15 نقطة مئوية. هذا فرق مطلق بالنقاط المئوية، وليس زيادة نسبية قدرها 15%. ولا تُظهر المادة المتاحة معدل النجاح قبل إضافة العمق وبعدها. 13
16
بيانات التدريب والأوضاع التشغيلية
تفيد بطاقة النموذج بأن تدريبه شمل نحو 20 ألف ساعة من البيانات المنظورية ونحو 10 آلاف ساعة من بيانات الروبوت، أي قرابة 30 ألف ساعة إجمالاً. كما تشير إلى نحو 4 آلاف ساعة مع إشراف عمق متوافق، لكنها لا تشرح بما يكفي تقسيم بيانات الروبوت بين الحقيقي والمحاكاة، ولا تفاصيل مصدر البيانات بحسب البيئات أو أنواع الروبوتات. 4
وتصف مواد الإعلان النموذج بأنه يدعم ست قدرات بأوزان مشتركة. وتشير ورقة arXiv إلى وظائف من بينها التوليد المشترك للفيديو والفعل والتنبؤ بالعالم، لكن التفاصيل المتاحة لا تسرد الأوضاع الستة كاملة، ولا تحسم بدقة الفرق بين تحويل الفيديو إلى فعل واستنتاج الفعل من الحركة. لذلك لا يمكن تأكيد القائمة الكاملة أو نسبتها إلى النموذج على نحو تفصيلي هنا. 12
17
كذلك لا توضح المقتطفات المتاحة بما يكفي صيغة أفعال الروبوت، أو الوسوم الخاصة بأجسام الروبوتات، أو خطوات أخذ العينات وفحوص الجودة في خط إعداد البيانات، أو كيفية محاذاة العمق مع الفيديو. أما تجربة «مسبار الحركة» التي يُفترض أن تستدل على إزاحة طرف الروبوت من خصائص بصرية مجمّدة، فلا تتوافر هنا تفاصيل كافية للتحقق من إعدادها أو نتائجها. وحتى لو أمكن استعادة معلومات عن الحركة من الخصائص البصرية، فهذا وحده لا يثبت فهماً سببياً كاملاً للفيزياء ولا يضمن تحكماً موثوقاً في روبوت حقيقي.
الخلاصة أن أبرز ما يقدّمه Thinker-WM هو محاولة تمثيل المظهر والهندسة والحركة معاً، بدلاً من فصلها منذ البداية إلى مسارات مستقلة. أما أرقام المعايير، فتبقى نتائج أعلنتها UBTECH، فيما تحتاج تفاصيل أوضاع التشغيل وخط إعداد البيانات وتجربة مسبار الحركة إلى توثيق أوسع.
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
يسأل الناس أيضا
ما هي الإجابة المختصرة على "Thinker-WM: نموذج يوحّد ما يراه الروبوت وما يفعله"؟
يجمع Thinker WM الفيديو RGB وخرائط العمق المتري وأفعال الروبوت في تمثيل مشترك، باستخدام مشفّرات ومفكّكات خاصة بكل وسيط ومحَوّل ديناميكيات موحّد.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
يجمع Thinker WM الفيديو RGB وخرائط العمق المتري وأفعال الروبوت في تمثيل مشترك، باستخدام مشفّرات ومفكّكات خاصة بكل وسيط ومحَوّل ديناميكيات موحّد. أعلنت UBTECH تصدّر النموذج ثلاثة معايير: WorldOlympiad بنتيجة 0.740، وEWMBench بنتيجة 4.66، وWorldArena 1.0 Track 1 عبر 12 بُعداً للتقييم.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
تذكر بطاقة النموذج نحو 20 ألف ساعة من البيانات المنظورية و10 آلاف ساعة من بيانات الروبوت؛ لكن التفاصيل المتاحة لا تثبت جميع تقسيمات البيانات أو قائمة الأوضاع التشغيلية الستة.
المصادر
arxiv.orgThinker-WM: A Unified World Model with Shared Multimodal Representations for Embodied Intelligence
robotworld.topWorld Models - Robotics & Embodied AI Content