Danijar Hafner 的世界模型智能体迎来最严峻考验：意外

Danijar Hafner 已将其世界模型智能体从电脑游戏带入一家拥有众多人形机器人的隐身创业公司，尽管其产品仍大多未对外披露。据报道，这家名为 Embo 的公司，正直接检验他最核心的研究理念：智能体应在现实世界采取行动前，先在内部预演可能的未来。

这一方法已在受控环境中取得了引人注目的成果。Hafner 的 Dreamer 研究通过想象中的经验训练智能体，包括完成 Minecraft 中收集钻石所需的长序列任务。实体机器人带来了更棘手的问题，因为错误预测可能造成真实损害。

时机也让这场赌注更为重大。Hafner 的前雇主 Google DeepMind 正在将 Gemini Robotics 扩展至人形机器人及其他机器。其他获得充足资金支持的机器人公司，也在研发通用控制模型。Hafner 押注的是，预测、规划与适应能力将比记住更大规模的示范数据更重要。

Danijar Hafner 的世界模型智能体走出屏幕

这家新创企业将一项关于想象未来的研究计划，转化为实体机器人公司。

根据最初的创业公司报道，Hafner 简朴的办公室位于旧金山 SoMa 区。这家公司仍处于隐身模式，门上甚至没有展示名称。

据报道，尚未装修完成的办公空间内放置着人形机器人。它们形态和尺寸各异，其中几台从中国进口。这些机器为 Hafner 多年来开发的规划系统提供了实体躯体。

报道指出，Hafner 于 2025 年秋季离开 Google DeepMind。他的离开使 Dreamer 研究路线从大型实验室转向独立的商业项目。公开报道和行业名录将这家创业公司称为 Embo，但其网站、产品范围和商业模式仍不明确。

这家公司所面临的挑战说起来容易，解决起来却很难。进入陌生住宅的机器人不能依赖每个房间的精确记录。它必须理解新的家具、被挪动的物品、变化的光线、人、宠物以及不完整的指令。

一台仅被训练来复现熟悉动作的机器人，可能会在某个条件改变后失效。当有人移动了杯子，它可能仍会伸手去预期的位置；当椅子挡住路径后，它也可能继续沿原路线行走。

Hafner 的替代方案是赋予智能体一个内部预测模型。世界模型是一种经学习形成的表征，用于估计环境在执行某项动作后会如何变化。智能体可利用这些估计，在行动前评估可能的行为。

这一过程不同于生成一份长计划后盲目执行。具备能力的实体智能体必须预测、行动、观察结果，并更新其计划。每一次新观察都可能表明，它先前的内部预测并不完整。

因此，这家创业公司建立在一个要求极高的命题之上：当现实与训练数据不同时，世界模型必须依然有效。它们还需要足够快速地运行，使机器人能够在事件展开时及时作出反应。

Dreamer 为这一命题提供了研究基础。Hafner 及其合作者在最新一波语言模型智能体兴起之前，便开始开发这一系列系统。他们的工作重点是通过交互学习行为，而非仅仅预测文本。

首个 Dreamer 系统通过在紧凑的内部表征中练习，利用视觉输入学习长时程行为。DreamerV2 将这一方法扩展至 Atari 游戏。DreamerV3 则试图让同一套基础算法适用于众多不同领域。

这一进展之所以重要，是因为 Hafner 并非带着一句未经验证的概念口号进入机器人领域。他是在将一项已有文献记录的研究计划应用到容错性低得多的环境中。悬而未决的问题在于，其过往成果究竟能在多大程度上迁移。

游戏为智能体提供了明确的动作和可衡量的奖励。人形机器人面对的却是有噪声的传感器、磨损的部件、不确定的摩擦力，以及具有隐藏属性的物体。人的行为也远比模拟角色更难预测。

Embo 的早期意义正来自这一转变。这家公司并不只是打造另一种人形机器人躯体。它似乎聚焦于智能层：当周遭环境发生变化时，由这一层决定躯体应采取何种行动。

为什么想象中的经验此刻如此重要

机器人公司需要能从有限实体经验中学习的智能体，而不是将每一次失误都当作必须亲身经历的课程。

现代 AI 模型已受益于海量数字数据集。机器人领域却缺少同等规模的干净、多样且带有动作标注的经验数据。记录实体运动既耗时、需要硬件，也会带来安全风险。

语言模型可以处理另一份文档，而不会把它砸到某人的脚上。机器人在收集新的训练数据时，则可能发生碰撞、损坏物体、令关节过热，或需要人工重置。这些限制使实体试错的成本异常高昂。

模拟能够有所帮助，但模拟世界会简化现实。纹理、接触力、传感器噪声、可变形材料和人类行为，都可能与其现实对应物不同。一项在模拟器中有效的策略，部署后可能失效。

世界模型智能体提供了一条可能的中间路线。系统从真实观察中学习，随后生成对后续可能发生情况的内部预测。训练可以利用这些想象轨迹，而无需在硬件上执行每个候选动作。

Hafner 早期的 DayDreamer 项目曾在实体机器上检验这一原则。其机器人学习论文介绍了无需依赖模拟器、直接在现实世界中学习的智能体。

研究人员在四台机器人上评估了 DayDreamer。任务包括运动、物体操作和视觉导航。一台四足机器人通过实体机器收集的经验，学会了恢复平衡、站立和行走。

这些实验并未证明通用家用机器人已经实现。但它们表明，学习得来的世界模型可以降低对大规模模拟和手工任务工程的依赖。这些证据如今支撑着 Embo 更大的赌注。

DreamerV3 进一步强化了可复用算法的论据。根据经同行评审的 DreamerV3 研究，该系统以同一套配置应对超过 150 项任务，覆盖连续控制、Atari 游戏和 Minecraft 等领域。

Minecraft 的结果成为尤为醒目的演示。收集一颗钻石需要探索、收集资源、制作工具，以及大量彼此依赖的动作。由于绝大多数中间动作不会立即带来成功信号，奖励始终十分稀疏。

DreamerV3 仅从像素中学习这项任务，未使用人类游戏数据或分阶段课程。该结果表明，想象轨迹不仅能支撑即时反应，也能支持遥远目标。

这种能力与实体智能体直接相关。打扫房间涉及许多只有在后续才体现价值的步骤。机器人可能需要先移开障碍物、打开容器、取回物品，然后将其正确放置。

反应式系统可能完成每个熟悉动作，却仍然丢失更宏观的目标。长时程规划要求追踪早期选择如何改变后续可能性。Hafner 的工作将预测模型视为维持这种关联的机制。

Dreamer 4 将这一理念进一步推进。它在可扩展的世界模型中训练行为，该模型能够模拟复杂交互。据报道，该系统仅凭离线经验便完成了 Minecraft 的钻石任务，训练期间未与游戏进行交互。

Dreamer 4 项目称，这项任务涉及超过 20,000 次鼠标和键盘操作序列。该项目还表示，其使用的数据量仅为 OpenAI 早期 Video PreTraining 智能体的百分之一。

这些是在游戏环境中的研究结果，并不能证明人形机器人能够安全处理陌生厨房。不过，它们确实回应了机器人开发者面临的两项压力：处理长动作序列，以及减少对在线实验的依赖。

这种紧迫性源于机器人硬件能力与机器人适应能力之间日益扩大的错配。人形机器人躯体已有所进步，但许多演示仍发生在经过准备的环境中。系统看起来可能很有能力，但每件相关物体仍被精心摆放。

商业部署需要的并非这种舞台化表现。一台有用的机器人必须能在抓取失误后恢复、理解变化的环境，并选择更安全的替代方案。这些要求使不确定性下的预测成为市场的核心能力。

预测能力挑战“模仿优先”机器人路线

核心竞争在于：一类智能体建模行为后果，另一类系统则主要复现示范中出现的模式。

近期大量机器人学习工作建立在视觉-语言-动作模型之上。VLA 模型将图像和指令连接至实体动作。训练通常依赖示范数据，展示人类或其他系统如何完成任务。

这种方法具有明显优势。示范可提供有用行为，而无需让机器人独立发现一切。大型预训练模型还能贡献视觉识别、语言理解和广泛的概念知识。

不过，示范描述的是记录场景中发生了什么。它们并不会自动解释环境如何运作。机器人可以将图像与动作关联起来，却对另一种选择会带来何种后果知之甚少。

世界模型智能体则将这些后果置于中心。预测模型会估计候选动作下的未来状态。行动者提出行为方案，评论者则估计哪些想象结果最有助于实现目标。

DreamerV3 采用了这种行动者、评论者与世界模型结构。世界模型预测结果，评论者评估结果，行动者选择动作。这些组件从收集到的经验中共同学习。

这一机制让智能体能够超越其所观察到的精确轨迹进行练习。它可以从已知状态生成替代性的内部推演。有用的想象经验随后塑造其行为，而无需再进行一次实体尝试。

不应将这种区别夸大为清晰的技术分界。VLA 系统也可以包含规划、反馈和预测组件。世界模型系统同样能够从示范、语言或视频中学习。

真正的分歧在于侧重点。模仿优先的策略从大量成功行为集合出发；Hafner 的路线则从学习环境动力学出发，使智能体能评估下一步会发生什么。

Google DeepMind 的竞争性工作展现了这些方法正在多么迅速地趋同。其 Gemini Robotics 2 系统结合了语言、视觉理解、规划和运动控制。

Google 表示，该模型可以从脚部到指尖控制人形机器人、操控物体，并协调多台机器人。该公司还声称，系统能在数小时内适应新的机器人躯体。这些说法来自 Google，仍需更广泛的独立评估。

Gemini Robotics 受益于基础模型知识和 Google 的研究基础设施。Hafner 的创业公司则通过预测模型汇聚了强化学习方面的专业能力。两方都瞄准能够在环境不再符合既定脚本时自行调整的机器。

Skild AI 展示了另一种路径。该公司称，其目标是打造一个可适用于不同身体形态和任务的通用机器人“大脑”。其策略高度依赖广泛的数据采集和大规模预训练。

Physical Intelligence 一直在推进跨任务、跨具身形态训练的通用机器人策略。其系统将视觉和语言输入连接到连续动作。该公司的演示着重展示了在不同物理平台之间的迁移能力。

这些竞争对手从两个方向向 Embo 施压。它们可以收集更多数据，并部署更多硬件。它们也能将规划与预训练模型结合，从而缩小纯粹“世界模型”定位在理念上的优势。

因此，Embo 必须证明的不只是优雅的架构。它需要证据表明，基于想象的训练能够提升真实机器人的适应性、安全性或数据效率。这些优势还必须能在强大基线对比中清晰体现。

一项决定性的评估会在训练完成后引入变化。研究人员可以移动物体、改变房间布局、更换工具，或中断任务。测试将衡量机器人能否在无需大量再训练的情况下重新规划。

成功还应包括恢复能力。一台机器人即使完成了预设试验，却在一次抓取失误后停滞不前，也不能说明它掌握了应对意外的能力。当首次预测被证明错误时，规划才真正体现价值。

这一要求使 Hafner 的策略比教机器人预判一切更具雄心。没有任何模型能穷举每一种物理事件。实际目标是识别预测误差，并在误差累积前更新行为。

世界模型也可能出错

在不准确模型中进行规划的智能体，可能会在身体将错误变成现实之前，就自信地得出错误结论。

世界模型会压缩经验。压缩让预测更高效，但也会丢弃信息。训练中看似无关紧要的细节，可能在陌生环境中变得至关重要。

设想一台机器人正将玻璃杯端向桌面。它的模型或许预测桌面能够支撑该物体。一张透明薄片、潮湿区域、松动的覆盖物或不寻常的边缘，都可能使这一预测失效。

长时间的想象推演会放大微小误差。略有偏差的第一次预测会改变下一次预测所依据的状态。经过许多步骤后，内部轨迹可能与真实物理世界严重偏离。

这一问题通常被称为模型偏差。策略会学会利用模型内部存在、但外部世界并不存在的模式。虚拟策略可能获得很高的预测奖励，却在真实执行中失败。

Dreamer 的 actor 并不是在一个完全准确的模拟器中搜索。它是在基于先前观测构建的学习模型中训练。因此，这些观测的质量和多样性决定了智能体能够可靠想象的范围。

意外情境会暴露这一边界。如果智能体从未观察过某种交互，它的预测可能缺少相关的物理规律。它可以估计不确定性，但不确定性估计本身也可能校准不佳。

物理系统需要多重防线。它必须将预测与新的传感器数据进行比较，在置信度下降时缩短计划，并将控制权交给更安全的机制。它还需要在探索期间限制高风险动作。

Hafner 过去的成果证明了其在研究基准上的表现，但并不能证明其具备家庭环境的安全性、工业环境的可靠性，或与人稳定互动的能力。Embo 尚未公开发布支撑这些结论所需的证据。

基准测试的多样性也不同于真实环境的开放性。DreamerV3 在许多任务中使用同一套配置，从而减少了针对特定领域的调优。但每个基准仍提供了规则、动作空间和评估流程。

家庭和工作场所并没有如此清晰的接口。门可能卡住，人可能插手干预，物体可能损坏。在机器人仍需为自身移动负责时，传感器也可能被遮挡。

人形形态还带来更多复杂因素。双足身体拥有庞大的动作空间，并可能跌倒。手部包含许多关节，而操作过程中的接触动力学变化迅速。

错误预测的代价也各不相同。掉落一个毛绒玩具与掉落一把刀截然不同。规划系统需要具备风险敏感的目标函数，在部署前区分这些情况。

Google DeepMind 在其机器人材料中承认了这一更广泛的挑战。该公司描述了分层安全机制，包括碰撞避免、力限制和低层控制器。仅靠高层推理无法取代这些保护措施。

Embo 也需要提供类似的清晰说明。这家创业公司尚未披露其智能体如何限制动作、估计不确定性或从模型失败中恢复。它也尚未确定首个商业应用环境。

对于一家隐身运营的公司而言，这些缺失很正常，但它们限制了有意义的评估。引入人形机器人平台可以加速实验，却无法说明该公司是否已经解决泛化能力、可靠性或单位经济性问题。

最有说服力的证据应来自在陌生环境中反复进行的测试。评估者应明确失败率、人工干预率、恢复行为，以及所需额外训练量。

精心打磨的演示提供的证据较弱。团队可以挑选成功尝试，并准备有利条件。持续运行会暴露短视频往往掩盖的罕见错误。

数据效率也需要仔细核算。基于想象的训练减少了一部分物理交互，但世界模型仍需要真实经验。算力、传感器校准、重置和硬件维护仍是总成本的一部分。

Dreamer 4 在离线 Minecraft 中的成果强化了在预测模型内学习行为的研究依据。但这并不能解决离线机器人数据是否覆盖安全部署所需物理变化的问题。

因此，核心风险与核心优势密不可分。智能体可以在不采取物理行动的情况下预演许多未来。然而，每一次预演都继承了生成它的模型的盲点。

提前规划不等于制定更长的计划

应对意外取决于持续重新规划，而不是在机器人开始行动前预测出一套完美序列。

“提前规划”这一说法可能让人想到固定的检查清单。Hafner 的研究指向了一种更动态的循环：智能体预测结果、短暂行动、观察现实，再修正其内部状态。

这一区别至关重要，因为并非所有意外事件都能提前预测。机器人通常不需要完整预判每一种可能的中断。它需要的是当中断使当前计划失效时作出有效反应。

想象一台机器人正在清理餐桌。它看到盘子、杯子、餐具和容器。其初始计划会为每个物体分配去向，并确定处理顺序。

随后，一个人将手机放在杯子旁边。机器人必须识别场景已经变化。它应保护手机，重新考虑抓取路径，并维持更广泛的清理目标。

纯粹的反应式控制器可以避免即时碰撞。语言模型可以描述可能发生了什么。而具备能力的世界模型智能体必须将这一变化与未来的物理后果联系起来。

它可能预测先拿起杯子会有碰倒手机的风险。它可以移动手机、从另一个方向接近，或寻求帮助。每一种选择都会改变剩余任务。

时间抽象在这里变得重要。这项技术将长期任务划分为高层子目标和低层动作。智能体可以修改一个子目标，而无需重建每一条电机指令。

Hafner 曾结合世界模型研究这一问题。他公开的研究概述将时间抽象描述为把长期任务拆分为支持抽象规划的子目标。

对于仓库机器人而言，高层目标可能是将包裹运送到装载区域。低层策略负责行走、平衡、抓取和避障。路线发生变化不应抹除整体目标。

语言可通过表达目标和约束发挥作用。它可以告诉机器人，红色容器装有易碎材料。预测模型随后估计候选动作将如何影响该物理对象。

这类组合解释了为何世界模型和 VLA 很可能会融合，而非继续作为相互孤立的类别。语言提供通用知识和遵循指令的能力。世界模型则提供与已观测环境相联系、以动作条件为基础的预测。

记忆提出了另一项实际要求。智能体必须在长期任务中保留相关观测，而非将每个细节视为同等重要。它还需要在相似条件出现时检索此前的失败经验。

这一挑战类似于数字智能体面临的上下文问题。开发者使用结构化历史记录和 AI 知识库，以保留超出单次模型响应的证据。物理智能体则需要在记忆与当前感知之间建立更紧密的联系。

然而，已存储的经验不能替代验证。机器人不应假设昨天的房间布局依然适用。当前传感器数据必须纠正过时记忆。

同样的规则也适用于它想象中的未来。预测是对后续情况的假设，而不是事实。有效的智能体应持续用现实世界检验这一假设。

这为评判 Embo 提供了一个有用标准。该公司无需展示一台从不遭遇意外的机器人。它需要展示的是一台能够及早发现意外，并在不做危险应变的情况下恢复运行的机器人。

恢复行为可以包括停止。有时拒绝执行不确定的动作，比完成任务更智能。商业系统需要经过校准的阈值来决定何时寻求人类协助。

最困难的情况将长期目标与即时安全结合在一起。机器人可能知道下一步有用的动作，却面对不确定接触或较差可视性。它必须在不放弃目标的前提下延后进展。

这种平衡将决定规划是否会成为实际运营能力，还是仅仅停留在令人印象深刻的预测层面。机器人只有在内部预演能够改善不断变化条件下的真实决策时，才算成功。

三个信号将揭示 Embo 的押注是否奏效

下一阶段的证据必须将世界模型研究与预设演示之外可重复的机器人表现联系起来。

第一个信号是在陌生物理任务上的公开技术评估。Embo 应明确训练与测试之间发生了哪些变化。新的布局、物体、中断情境和机器人身体形态将构成有意义的压力测试。

结果应包含未成功的试验。人工干预率、恢复时间和安全停机与完成任务同样重要。如果 Embo 公布这些测量数据，其关于意外事件的主张便可得到检验。

强劲结果将强化 Hafner 的核心论点。它们将表明，基于想象的训练可以迁移到游戏和狭窄机器人实验之外。薄弱或选择性披露的结果则会让核心问题仍悬而未决。

第二个信号是跨身体形态迁移的证据。据报道，Embo 的办公室内有数种人形机器人设计，这表明该公司不希望智能被绑定在单一机器上。

通用控制器应当能够在摄像头、肢体、关节限制或身体比例发生变化时保留有用技能。一定程度的适应仍不可避免。关键衡量标准在于，每种新形态需要多少新增数据和工程投入。

快速迁移将挑战那些依赖单一硬件栈或高度筛选演示数据的公司。大量再训练则会削弱 Embo 已学会通用物理结构这一说法。

Google DeepMind 已将跨具身控制视为重要目标。Skild AI 也提出了类似的通用型主张。Embo 需要直接对比，以区分架构优势与营销话术。

第三个信号是可信的部署边界。Embo 最终必须明确其系统能够稳定、重复运行的环境。家庭、仓库、实验室或工厂面对的物体、风险和经济要求各不相同。

聚焦于某一部署场景并不会削弱更宏大的研究愿景，反而能产生改进所需的运营数据。真实客户也会暴露内部基准测试难以发现的失效模式。

市场选择将揭示 Embo 的安全策略。工业场所可以限制人员进入并标准化操作流程。家庭环境提供了更多样性，但也带来更棘手的社会和物理风险。

读者还应关注这家初创公司是否会发布技术论文、模型文档或可复现的基准测试。Hafner 过去的研究一向相当开放，包括主要 Dreamer 系统的代码。商业公司可能会改变这一模式。

透明度将帮助独立研究人员检验世界模型方法。封闭式演示则会迫使市场只能依据公司自行挑选的证据来判断性能。这两种结果都无法证明成功，但会形成截然不同的信心水平。

Embo 的更广泛意义并不取决于它是否立即赢得人形机器人市场。该公司正在让一项具体的技术论点接受检验：如果智能体被期待在熟悉脚本之外采取行动，它们就需要具备关于后果的内部模型。

这一论点也延伸到机器人之外。数字智能体会遇到变化的界面、缺失的文件、相互冲突的指令以及不完整的信息。它们同样能从预测结果、并在意外反馈后修订计划中获益。

实体机器提高了这一标准，因为错误会进入现实世界。一次规划失误可能损坏硬件，或危及人员安全。因此，可靠性必须与自主性同步提升。

Hafner 的履历为 Embo 奠定了坚实基础。Dreamer 展示了通过想象经验在游戏和控制任务中学习的能力。DayDreamer 将这一方法带到了实体机器人上。Dreamer 4 则将离线想象训练扩展至极长的动作序列。

这家初创公司如今面临决定性的转化。研究基准能够清晰定义成功，并以较低成本重复实验。人形机器人则要面对难以简化、也无法完全枚举的环境。

这正是 Embo 不只是另一家隐身机器人公司的原因。它检验的是：智能体能否构建一套有用的内部世界认知，在这种认知失效时察觉问题，并在造成伤害之前作出调整。

未来几个月应会带来有关陌生任务、跨身体迁移以及初始部署场景的证据。这些信号将显示，Danijar Hafner 的世界模型智能体能否将想象中的未来转化为可靠的实体行为。

在此之前，最诚实的结论仍应保留条件。Embo 拥有连贯的机制和极具相关性的研究积累。但它尚未证明，其人形机器人能够以商业规模应对意外情况。

因此，开发者和 AI 采购方需要面对一个具体问题：Embo 会公布可重复的失败与恢复数据，还是只展示精心准备的成功案例？这些证据将决定，通过世界模型进行规划会成为可靠的智能体架构，还是仍只是一项引人注目的实验室成果。