让小脑替大脑把关：当世界模型进入 whole-body control

极佳视界联合清华大学发布 GigaBrain-WBC-0.5，聚焦人形机器人全身控制从平地走向跨地形与操作。核心亮点包括：让“小脑”学会预测身体状态变化与合理行为；从动作数据反推缺失地形；适度调整上层指令，使机器人在环境变化时更稳执行。演示中机器人可搬运长箱上台阶，台阶撤掉后仍保持稳定；有椅子时坐下，椅子撤走会将“坐下”修正为“下蹲”；还可完成深蹲跳、高踢等动作。现有 SonIC 等大规模 tracker 在平地上通用，但难以跨地形；跨地形策略又往往不支持操作任务。GigaBrain-WBC-0.5 引入世界模型，同时回答“现在怎么动、动了以后身体怎样、哪些行为合理”，并设计在线指令过滤器抑制不合理指令。数据上，从 Bones-Seed、MotionMillion、MotionDecode 三个动捕语料中识别约 72 小时地形交互数据，通过接触点拟合台阶、椅面等三维支撑几何。该研究将全身控制从“学更多动作”转向“学动作与环境的关系”。在极佳视界体系中，GigaBrain-0.7 负责任务理解与规划，GigaBrain-WBC-0.5 负责连续全身动作和平衡、接触、负载控制，使世界模型进入机器人底层实时控制环节。