智东西 作者 许丽思 编辑 漠影 今年年初，不少具身智能企业可能还忙于拼benchmark，各大榜单第一隔几天就刷新一回，模型能力进步飞速。 但进入下半年，你会发现，大家好像没那么在意这些榜单了，而是收束技术能力、聚焦让机器人真正能用，狂卷落地干各种脏活的能力， 行业的关注点正在加速向商业交付靠拢。 这印证了一个判断： 真正的壁垒，藏在那些没法开源的部署Know-how里。 具身智能落地前的“最后一公里”，需要跨过三道关卡： 模型 走出实验室， 要能适应光照变化、物料堆叠等现场干扰；生成动作后，系统还得处理时延、动作衔接和安全问题，让机器人 稳定执行 ；一个工位跑通后，更要把现场经验沉淀为可复用的技能和部署工具，减少更换机器人、工位和工厂时的重复开发， 推动单点项目走向规模复制。 而安努智能这家公司的特殊之处就在于， 从成立之初，便将商业化落地作为核心目标， 专攻”部署模型+垂类模型”这一最被低估、却决定商业化生死的环节， 将真实工厂订单视为商业化的重要检验标准。 沿着这条路径，现场遇到的问题逐渐进入其产品设计，推动团队同时补齐数据、模型和部署环节的能力。 最近，安努密集发布了6项重大成果： Helios 本质是一套实时长视频生成技术体系，最初并不是面向具身智能设计，但其攻克的长时序建模、实时生成、高效历史状态维护等技术难点，恰好击中具身智能与世界模型的核心痛点，且已被高德ABot-World、极佳视界等团队作为基础模型应用于各自的世界模型中。 ANU SimLab 则是专门面向软物体操作打造的仿真平台，集成自研软体与热学双求解器、Isaac Sim合成数据工厂及经真机验证的sim2real方法，打通物理方程——合成数据——真机部署全链路。整套方案落地门槛低，配套的数据、模型与验证方法均可复用。软包裹抓取、热视觉数据生成、仿真到真机迁移这三项核心能力，已经完成工业项目验收。 Helios和SimLab负责低成本、大规模生成合成数据，为上层模型持续输送训练 “养料”。 而 ActiWorld 聚焦动作导向动力学，让机器人“预见”未来。其通过逆动力学头与运动门控，精准捕捉交互变化，卡位具身操作最务实的一环——提前预判动作成败。这正是工业垂直场景最需要的“想象结果检验”能力。 预演之后， RoHIL与EvoHIL 作为两代真机强化学习技术，提升机器人对实际环境的适应能力。EvoHIL，把机器人从“人工盯训”推向上线后自主进化。自演化奖励模型SER，避免环境变化带来奖励漂移；AFS动作流稳定模块，减少抖动与机械损耗；继承并升级世界模型重光照+锚定正则机制，大幅降低光照偏移下人工干预率。 总体来讲，RoHIL解决换工位的迁移成本，EvoHIL解决产线长期运行的运维负担，在相关任务中方案 可以 30分钟训练达到满分成功率 ， 跨光照0重踩并把工业机器人部署成本砍掉80% 。 到了执行环节， AnuVerse-0.5 由世界模型蒸馏出的垂类小模型（MoT架构、百毫秒推理、单卡桌面部署），它是直接装在产线边缘端的“大脑”，负责把上层的泛化能力压缩成极速响应的具体指令。 最上层的 端到端模型部署系统Nexus 负责把这些分散能力组织起来。它通过统一接口缩短模型接入机器人的时间，根据任务调度不同模型和技能，并将模型、本体和算力资源汇聚到同一套部署系统中，从而实现快速部署、自主调度和资源汇聚。 这些成果， 覆盖视频生成与仿真、动作预测世界模型、真机强化学习、垂直小模型和端到端部署系统，形成了从“数据生成-模型预测-学习进化-部署落地-数据回流”的全栈闭环。 接下来，我们详细拆解下 ActiWorld、AnuVerse-0.5和Nexus三项核心成果 ，可以进一步看清安努如何处理机器人落地中的关键难题：先让它判断得更准确，再把判断及时转化为动作，最终走向能够持续运行、反复复制的工业应用。 一、干活之前，机器人得先在脑子里进行准确预判 假如，机器人要分拣一个包裹，视频世界模型就会提前生成了伸手、抓取、放置的逼真画面。不过经常会出现一个问题，那就是 视频很流畅、生成 的 效果很像，夹爪却没法在正确位置接触包裹， 这段“想象”就可能误导后续决策。 问题藏在训练目标里。机器人操作视频的大部分像素属于桌面、墙面等静态背景，真正决定成败夹爪或灵巧手与包裹的接触和位移只发生在很小的区域。 统一计算损失的时候，模型很容易 只依赖当前画面与视频先验，弱化对输入动作的使用。 夹爪偏一点、物体少移动一点，就很容易被掩盖，这些误差还会不断累积。 安努研发团队的反事实测试直观揭示了这一点：固定当前观测与生成噪声，只把动作替换成方向相反、全零或时序打乱的动作，一些模型仍会沿原有轨迹生成。这说明模型 只 学到“画面接下来通常怎么变”，却没学会“给定这个动作，世界应该怎么变”。 1