卧安机器人发布OneModel 1.7：首款自研世界动作模型在实测中领先
卧安机器人（OneRobotics，股票代码：6600.HK）正式推出了其自主研发的世界动作模型 OneModel 1.7 FrontoStria-RL。该模型专注于实际家庭环境及服务机器人应用场景，旨在推动具身智能技术的规模化落地。
在行业公认的 LIBERO 评测基准中，OneModel 1.7 的平均任务成功率达到 99.0%，超越了 π0.5、GR00T-N1.5 和 OpenVLA-OFT 等主流开源模型，展现了其在真实部署场景中的卓越性能。
图1：在 LIBERO 基准上的平均任务成功率对比
从“感知执行”迈向“理解完成”
传统的端到端视觉语言动作模型（VLA）使机器人具备了“看到即执行”的能力，即将视觉输入和语言指令直接转换为动作。然而，在真实家庭场景中，这种范式面临诸多挑战，包括泛化能力不足、任务执行的稳定性低、技能难以复用，以及对环境变化的适应性差。
诸如物体摆放方式、光照条件变化、空间布局差异及初始位姿偏差等因素，均可能导致任务失败。尽管世界模型能提升机器人对环境状态和空间关系的理解，但“理解世界”并不等于“稳定执行动作”。在高层次世界建模与低层次动作执行之间，仍需引入任务规划、技能调度与策略传导的中间层。
为应对这一挑战，卧安机器人提出了 RL-LWAM（RL-Latent World Action Model）架构，旨在实现从世界理解到底层执行的完整闭环，推动机器人从“感知并执行”向“理解并完成”演进。
RL-LWAM：构建完整具身智能闭环
图2：OneModel 1.7 FrontoStria-RL 架构图；Predictive Policy Latent 作为核心传导机制，连接 World Model、Understand Expert 与 Action Expert
OneModel 1.7 FrontoStria-RL 通过 RL-LWAM 架构实现完整的具身智能闭环。其中，World Model 负责构建环境的通用表征，解析物体关系、空间结构与任务状态；Predictive Policy Latent 作为关键传导机制，将 World Model 对场景动态的理解以隐式方式传递给下游模块；Understand Expert 执行任务分解、阶段识别与技能调度；Action Expert 则负责生成精确动作并完成执行。
在动作执行层面，系统还引入了持续优化机制：执行结果进入强化学习训练循环，持续修正策略；成功动作片段被存储在 Success Memory 中，便于后续任务中调用和复用；同时，系统引入人在环监督（Human-in-the-Loop），确保行为具备可追溯性和可控性，构建性能与安全兼备的部署机制。
四大核心技术亮点：驱动世界动作模型落地
图3：OneModel 1.7 FrontoStria-RL 的四大核心技术亮点
- Predictive Policy Latent
OneModel 1.7 采用隐式物理推理表征，替代传统显式图像生成或目标坐标预测方式，使得场景结构与运动趋势的理解更高效、低冗余，适用于实时机器人控制。 - Understand Expert + Skill 体系
在 World Model 与 Action Expert 之间引入任务规划层，使机器人能够识别阶段任务、确定子目标依赖，并调度相应的技能模块，提升对长流程任务的结构化处理能力。 - MCF-Proto 动作参数化
使用 Motion-Centric Action frame（MCF-Proto）技术，围绕门轴、滑轨、折叠线等局部运动结构构建动作原型，而非基于固定坐标系预测位移。在视角变化和初始位姿偏差等真实干扰下，仍可保持较高稳定性。 - 强化学习与成功记忆结合
通过强化学习、成功动作记忆以及人在环监督机制，系统不仅能够根据任务反馈优化策略，还能在相似任务中复用历史经验，无需重新训练即提升执行成功率。
从标准评测到真实部署：OneModel 1.7 实力验证
OneModel 1.7 已在 LIBERO 标准评测、扰动鲁棒性测试和真机任务中完成多维度验证。在 LIBERO 测试中，该模型平均任务成功率达到 99.0%；在 LIBERO-plus 的七类扰动测试中，MCF-Proto 在六类中表现更优，验证了模型对环境变化的稳定性。
图4：日常操作与高精度任务的真机实测表现
在真机测试中，OneModel 1.7 的日常操作任务平均成功率约为 99%，高精度任务则达到 97%。除接触类操作外，模型还在真人对打乒乓球的动态场景中进行了验证，接球成功率高达 91.2%。这一任务对感知、轨迹预测及动作响应速度提出了极高要求，体现出模型在动态交互环境中的出色表现。
图5：真人对打乒乓球任务验证
面向“一脑多形”：构建可规模化交付的具身智能平台
OneModel 1.7 FrontoStria-RL 并非仅服务于某一种机器人形态，而是卧安“一脑多形”技术体系的核心模型底座，其能力正被应用于 onero 家庭保姆机器人、Acemate 网球机器人及 Kata Friends 陪伴机器人等多种具身产品。
该模型整合了环境泛化理解、高成功率的动作执行以及真实反馈学习机制，覆盖从家庭日常操作到高精度、高动态交互的广泛场景。它不是一个孤立的演示模型，而是经过基准评测与真机实测双重验证、具备规模化部署能力的完整模型平台。
随着 OneModel 1.7 FrontoStria-RL 的发布，卧安机器人正加速推动具身智能技术在家庭及服务机器人领域的落地应用，使其具备真正进入复杂生活场景、理解任务并稳定完成的能力。