云深处科技发布五项具身智能研究成果

10月24日，云深处科技围绕自研具身大脑DEEPRobotics-Brain密集发布多篇论文，集中公布五项研究成果：世界模型DR-WM-1.0、具身基础模型DR-VLA-2.0、具身智能体DR-Agent、策略优化框架DR-APO和数据闭环平台DR-Benchmark。五项成果覆盖具身大脑全链路技术，勾勒出具身大脑的清晰架构。

据介绍，云深处科技的具身大脑DEEPRobotics-Brain是一套面向真实场景作业的具身智能架构，旨在让机器人读懂人的意图、适配人的需求，并在持续交互中自主迭代进化。其中，世界模型DR-WM-1.0被定位为机器人的“物理预演器”。传统机器人训练依赖真实环境中的反复试错，周期长、成本高；而视频生成式世界模型虽能模拟丰富视觉场景，却普遍缺乏对真实物理规律的准确建模，难以可靠预测机器人动作的实际后果。DR-WM-1.0将环境感知、物理预测与行动决策连接起来，为缩小视觉真实感与物理真实性之间的差距提供了一条可分析、可验证的技术路径。以雨雪后的变电站巡检为例，机器人可先分别“预演”湿滑近路与绕行路线，预判打滑、姿态失稳与前进受阻的可能，再结合安全风险与通行效率作出决策。

业内人士表示，此次密集科研布局中，云深处科技持续攻坚全链路核心难题，尝试跳出行业单点、割裂的研发惯性，探索一条可验证、可迭代、可迁移的前沿技术路线。