InternW0：用于高效现实世界交互的基础物理世界模型

物理智能不仅需要预测世界可能如何演化，还必须确保这些预测在世界持续变化的过程中仍然具有可执行性。我们介绍了 InternW0，这是 Shanghai AI Laboratory 推出的 InternW 物理世界模型系列的首个实例，围绕全模态接口、异步多频率处理，以及在部分观测和外部影响下进行局部物理建模而构建。InternW0 通过结合流匹配的非对称视频—动作架构，联合学习未来视觉动态与连续机器人控制。高容量视频专家提供更长时域的预测上下文，而轻量级动作专家则以更快的时间尺度运行。InternW0 不会在每次动作更新时都重新生成未来，而是复用逐层 K/V，并通过观测条件上下文路由，使其适应新观测到的状态。特定领域的接口和软提示支持异构具身形态，而接触感知后训练则融合力觉与触觉信号，以实现富接触操作。我们使用约 7,200 小时的异构机器人数据和第一人称数据训练 InternW0，其中包括 EgoLab——一个包含 275 小时真实实验室第一人称数据的数据集。评测涵盖仿真基准和现实世界科学任务，包括一个 15 阶段的金属—有机框架合成流程，以及用于通用定量移液的 5 阶段接触感知与力感知灵巧操作。这些结果推动了可扩展、异步且科学原生的物理世界模型发展，为通用、高效的现实世界交互奠定基础。