智象未来（HiDream.ai）今日正式推出具身世界模型HiDream-O1-Embodied。该模型基于原生全模态技术理念设计，旨在强化机器人在物理世界中的感知精度与动态预判能力，推动具身智能向更高阶的物理交互演进。此次发布标志着智象在图像、视频、3D及动作等多模态统一表征基础上，完成了从理解、推演到执行的全链路技术闭环。

在模型发布同期，HiDream-O1-Embodied首次参与具身智能模型评测平台RoboColiseum，即在核心的扰动适应（Robustness）子榜单中，以平均分0.692的成绩位居榜首。该平台基于高保真仿真环境构建，围绕指令跟随、空间理解、扰动适应与通用操作四个维度设置78个评测任务，其中扰动适应被公认为最具挑战性，通过改变背景、光照、材质、机器人初始状态及相机位置等变量，检验模型在非理想条件下的稳定性与泛化能力。

据智象未来CTO姚霆介绍，HiDream-O1-Embodied在理解、感知和抗干扰三方面进行了针对性创新。在指令理解层面，模型覆盖多元动词、句式与表达方式的等价指令空间，可穿透句式变化直达用户意图；在视觉感知层面，模型综合多视角信息，让不同视觉通道相互补充，避免单一视角失灵导致全局失效；在训练阶段，模型主动引入光照变化、画面污损、视野遮挡等非理想条件，提升在复杂环境中的容错能力。

支撑上述能力的是智象提出的“真实基座+生成增强”数据生产范式。以与诺亦腾的合作为例，高精度真人动作捕捉数据作为真实底座，智象借助原生全模态能力完成百倍级数据精细化扩增，在恪守物理约束的前提下生成背景、光照、物体形态等变量各异的训练样本，形成数据与模型互相驱动的增长飞轮。

不到一个月前，智象刚发布交互式世界模型HiDream-O1-World，并在WBench的Navi分榜中以平均分80.9登顶。交互式世界模型侧重数字空间中的理解与推演，具身世界模型则面向物理世界中的操作与执行，两者形成互补。智象未来创始人兼CEO梅涛此前表示，下一代大模型竞争的关键在于从单模态走向原生统一的全模态。从HiDream-O1-Image到HiDream-O1-World再到HiDream-O1-Embodied，智象正逐步构建覆盖视觉、交互及具身领域的模型家族矩阵。