WCM：面向通用人机交互的世界认知模型
研究人员提出世界认知模型（WCM），一种基于SLAK架构的人本具身智能体，通过异步运行时分离感知、推理、控制与记忆，并引入人类在环教学模式，使机器人能够通过交互学习复杂任务。在九项真实世界人机交互任务中，WCM实现了73.8%的平均成功率，包括未参与思维链微调的任务和通过教学学习的长时域任务。
当前，语言智能体（如ChatGPT）在软件环境中已能与用户进行流畅的交互，能够理解复杂指令并生成相应响应。然而，当涉及物理任务时，机器人却难以达到同样的交互水平。现有的机器人控制范式，包括视觉-语言-动作（VLA）策略和基于世界模型的规划器，主要针对指令执行进行优化，导致用户往往无法理解机器人为何选择某个动作，也缺乏通过交互来引导、纠正或教导机器人的有效机制。
为了解决这一问题，研究人员提出了世界认知模型（World-Cognition Model, WCM），这是一种以人为中心的具身智能体。WCM建立在SLAK架构（Sensing, Logic, Action, Knowledge）和异步运行时之上。SLAK架构将感知、推理、控制和记忆模块进行分离，使得每个模块可以独立优化和升级。异步运行时则允许推理、对话和执行过程并发进行，从而提高了系统的整体效率和响应速度。
WCM的核心创新在于引入了人类在环（human-in-the-loop）教学模式。在这种模式下，用户可以通过自然语言和示范动作，交互式地教导机器人完成困难或长时域的任务。教学过程中产生的交互片段以及机器人自主执行任务时的数据，会被提炼为思维链（chain-of-thought）监督信号，用于持续改进模型。这种机制不仅提升了机器人的学习能力，还增强了人机交互的透明性和可解释性。
在实验评估中，WCM在九项真实世界的人机交互任务上实现了73.8%的平均成功率。这些任务包括未参与思维链微调的任务（held-out tasks）以及通过教学学习的长时域任务（long-horizon task）。值得注意的是，WCM在未经专门训练的任务上也表现出良好的泛化能力，这得益于其模块化架构和持续学习机制。
WCM的提出为人机协作提供了更自然、高效的途径。它使得用户不再仅仅是指令的发出者，而是成为机器人的合作者和教导者。未来，WCM有望在家庭服务、医疗辅助、工业制造等领域发挥重要作用，推动机器人从工具向伙伴的转变。