2026年10月24日，云深处科技公布围绕具身智能架构DEEPRobotics-Brain的五项研究成果，涉及世界模型DR-WM-1.0、具身视觉语言动作模型DR-VLA-2.0、策略优化框架DR-APO、具身智能体DR-Agent，以及数据与评测平台DR-Benchmark。原始发布信息
从技术链路看，这组成果试图覆盖机器人从“理解环境”到“预测动作、执行任务、持续修正和评估效果”的多个环节。公司介绍称，DR-WM-1.0将摩擦、粗糙度和刚度等物理因素纳入世界模型，用于提升机器人对行动后果的预测能力；DR-VLA-2.0则尝试把人类视频中的导航经验与机器人示范结合起来，用于指令理解、避障和操作控制。上述描述和测试结果均来自企业发布材料，尚未在此次整理中独立复核。
另一项值得关注的变化，是研究重点不再局限于单个模型性能。DR-Agent面向目标位置和环境状态持续变化的场景，强调通过预测、观察和重新规划更新空间记忆；DR-Benchmark则以轮足机器人真实作业数据构建评测基础。企业披露，相关数据包括833.6小时真实运行记录、3294.7公里作业里程和约10万段导航片段，但数据开放范围、评测协议及外部复现实验情况，仍需进一步核实。
这条信息的意义在于，具身智能竞争正在从单点演示转向系统工程：世界模型是否符合物理规律、策略能否跨任务迁移、机器人能否适应动态环境，以及数据和评测是否可复用，都会影响真实部署。需要注意的是，新闻稿中的性能提升属于公司对研究成果的介绍，不能直接等同于商业化落地或全行业水平提升。
参考来源：
由 AI 整理，仅供参考；请以原始来源为准。
