WCM：面向通用人機交互的世界認知模型
研究人員提出世界認知模型（WCM），一種基於SLAK架構的人本具身智能體，通過異步運行時分離感知、推理、控制與記憶，並引入人類在環教學模式，使機器人能夠通過交互學習複雜任務。在九項真實世界人機交互任務中，WCM實現了73.8%的平均成功率，包括未參與思維鏈微調的任務和通過教學學習的長時域任務。
當前，語言智能體（如ChatGPT）在軟件環境中已能與用户進行流暢的交互，能夠理解複雜指令並生成相應響應。然而，當涉及物理任務時，機器人卻難以達到同樣的交互水平。現有的機器人控制範式，包括視覺-語言-動作（VLA）策略和基於世界模型的規劃器，主要針對指令執行進行優化，導致用户往往無法理解機器人為何選擇某個動作，也缺乏通過交互來引導、糾正或教導機器人的有效機制。
為了解決這一問題，研究人員提出了世界認知模型（World-Cognition Model, WCM），這是一種以人為中心的具身智能體。WCM建立在SLAK架構（Sensing, Logic, Action, Knowledge）和異步運行時之上。SLAK架構將感知、推理、控制和記憶模塊進行分離，使得每個模塊可以獨立優化和升級。異步運行時則允許推理、對話和執行過程併發進行，從而提高了系統的整體效率和響應速度。
WCM的核心創新在於引入了人類在環（human-in-the-loop）教學模式。在這種模式下，用户可以通過自然語言和示範動作，交互式地教導機器人完成困難或長時域的任務。教學過程中產生的交互片段以及機器人自主執行任務時的數據，會被提煉為思維鏈（chain-of-thought）監督信號，用於持續改進模型。這種機制不僅提升了機器人的學習能力，還增強了人機交互的透明性和可解釋性。
在實驗評估中，WCM在九項真實世界的人機交互任務上實現了73.8%的平均成功率。這些任務包括未參與思維鏈微調的任務（held-out tasks）以及通過教學學習的長時域任務（long-horizon task）。值得注意的是，WCM在未經專門訓練的任務上也表現出良好的泛化能力，這得益於其模塊化架構和持續學習機制。
WCM的提出為人機協作提供了更自然、高效的途徑。它使得用户不再僅僅是指令的發出者，而是成為機器人的合作者和教導者。未來，WCM有望在家庭服務、醫療輔助、工業製造等領域發揮重要作用，推動機器人從工具向夥伴的轉變。