AnswersPublished22 sources
Thinker-WM wil robots laten voorspellen én handelen
Thinker WM koppelt RGB video, metrische diepte en robotacties via aparte encoders aan een gedeelde latente representatie en één Unified Dynamics Transformer. UBTECH meldde eerste plaatsen op WorldOlympiad, EWMBench en WorldArena 1.0 Track 1; het gaat om bedrijfsgerapporteerde resultaten.
Gepubliceerd doorBewerkt met GPT-6 LunaAfbeeldingen gegenereerd met GPT Image 2
Research answer
Key takeaways
- Thinker WM koppelt RGB video, metrische diepte en robotacties via aparte encoders aan een gedeelde latente representatie en één Unified Dynamics Transformer.
- UBTECH meldde eerste plaatsen op WorldOlympiad, EWMBench en WorldArena 1.0 Track 1; het gaat om bedrijfsgerapporteerde resultaten.
- Volgens een ablatietest steeg het succes bij één RoboTwin taak met 15 procentpunt toen diepte werd toegevoegd.
- De bronnen geven geen volledig overzicht van de zes werkmodi of van de precieze verdeling en verwerking van alle trainingsdata.
AI Prompt
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 is een multimodaal wereldmodel van UBTECH dat niet alleen voorspelt hoe een scène eruitziet, maar ook metrische diepte en robotacties meeneemt. Het technische arXiv-artikel beschrijft een architectuur waarin RGB-video, diepte en acties samen worden gemodelleerd en gegenereerd. 1
17
Eén gedeelde representatie voor zien en handelen
Elke invoermodaliteit heeft een eigen encoder. Die zet de gegevens om naar een gemeenschappelijke latente ruimte, waar een gedeelde Unified Dynamics Transformer ze gezamenlijk verwerkt. Afzonderlijke decoders zetten de representatie daarna weer om in de bijbehorende uitvoer: video, dieptekaarten of robotacties. De verschillende soorten informatie worden dus samengebracht in het model, terwijl hun uitvoervormen apart blijven. 1
17
Het idee is om visuele veranderingen, de geometrie van een scène en beweging niet als losse problemen te behandelen. In veel andere benaderingen worden zulke onderdelen via afzonderlijke modules of interfaces aan elkaar gekoppeld. Thinker-WM probeert hun onderlinge verband juist binnen één gedeelde dynamische representatie te leren. Dat is de beschreven ontwerpkeuze; de beschikbare bronnen tonen niet aan dat dit automatisch efficiënter is of in elke praktijksituatie beter werkt. 8
17
De door UBTECH gemelde benchmarkresultaten
UBTECH maakte op 16 oktober 2026 bekend dat Thinker-WM op drie benchmarks voor belichaamde AI bovenaan was geëindigd. De cijfers hieronder zijn door het bedrijf gerapporteerd en zijn geen onafhankelijke bevestiging van de actuele ranglijsten. 2
7
- WorldOlympiad: UBTECH rapporteerde een totaalscore van 0,740, met 0,531 voor 3D-consistentie en 0,765 voor interactiegetrouwheid. De benchmark is gebaseerd op interacties met echte robots: meer dan tien robottypen en verschillende cameraopstellingen worden gebruikt om generalisatie tussen robotvormen en gezichtspunten te toetsen.
2
7
- EWMBench: Thinker-WM behaalde volgens de aankondiging 4,66 en zou daarmee onder meer Qwen-RobotWorld en Sora 2 hebben overtroffen. UBTECH meldde ook sterke resultaten voor trajectovereenkomst en dynamische consistentie, maar de beschikbare bronnen geven geen vergelijkbare scores voor de andere modellen.
6
13
- WorldArena 1.0 Track-1: Het bedrijf meldde een eerste plaats over 12 evaluatiedimensies. Een bron beschrijft Track-1 als een benchmark in een gesimuleerde omgeving; de beschikbare gegevens bevatten geen volledige lijst met dimensies of afzonderlijke scores.
3
Wat leverde diepte als extra uitvoer op?
In een ablatietest op RoboTwin steeg het succespercentage bij één taak met 15 procentpunt toen diepte werd toegevoegd. Dat is een absolute stijging in procentpunten, niet een relatieve verbetering van 15 procent. De bron vermeldt niet wat het oorspronkelijke en uiteindelijke succespercentage waren. 13
16
Trainingsomvang en nog openstaande details
UBTECH’s modelkaart noemt ongeveer 20.000 uur egocentrische data en 10.000 uur robotdata — samen circa 30.000 uur. Dezelfde informatie vermeldt ongeveer 4.000 uur met dieptesupervisie die met de beelden is uitgelijnd. De beschikbare bron geeft geen betrouwbare uitsplitsing van de robotdata naar echte robots en simulatie, en biedt ook geen onderbouwde verdeling van de egocentrische beelden over bijvoorbeeld woningen, winkels en fabrieken. 4
10
UBTECH beschrijft Thinker-WM als één model met zes mogelijkheden. Het arXiv-artikel zegt dat dezelfde modelparameters meerdere functies ondersteunen, waaronder gezamenlijke video- en actie-generatie. De verstrekte bronnen specificeren echter niet alle zes modi en maken niet duidelijk hoe functies als video-naar-actie en inverse dynamica precies van elkaar verschillen. 12
17
Ook over de gegevensverwerking is in de beschikbare informatie te weinig detail om uitspraken te doen over actieformaten op basis van de eind-effectorpose, robotspecifieke tags, selectie en kwaliteitscontrole van trainingsvoorbeelden of de volledige procedure voor het uitlijnen van video en diepte. Een experiment met een kleine bewegingsprobe op bevroren visuele kenmerken is evenmin voldoende beschreven om de methode of resultaten ervan te beoordelen.
De kern van Thinker-WM is daarmee helder: UBTECH probeert beeld, ruimtelijke diepte en beweging in één gedeelde dynamische representatie te laten samenkomen. De aangekondigde benchmarkscores geven een eerste indruk van de prestaties, maar zonder volledige scoretabellen en experimentele details blijft het lastig om de claims onafhankelijk te vergelijken.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Thinker-WM wil robots laten voorspellen én handelen"?
Thinker WM koppelt RGB video, metrische diepte en robotacties via aparte encoders aan een gedeelde latente representatie en één Unified Dynamics Transformer.
What are the key points to validate first?
Thinker WM koppelt RGB video, metrische diepte en robotacties via aparte encoders aan een gedeelde latente representatie en één Unified Dynamics Transformer. UBTECH meldde eerste plaatsen op WorldOlympiad, EWMBench en WorldArena 1.0 Track 1; het gaat om bedrijfsgerapporteerde resultaten.
What should I do next in practice?
Volgens een ablatietest steeg het succes bij één RoboTwin taak met 15 procentpunt toen diepte werd toegevoegd.
Sources
arxiv.orgThinker-WM: A Unified World Model with Shared Multimodal Representations for Embodied Intelligence
robotworld.topWorld Models - Robotics & Embodied AI Content