10月20日消息，10月20日，首届2026物理AI与世界模型大会在南京举行。千诀科技创始人兼CEO高海川在大会主论坛发表题为《预测式世界模型的产业与技术发展》的主旨演讲，并正式发布Polibrain预测式世界模型，打造面向真实物理世界的具身智能大脑底座。
Polibrain依托千诀科技自主研发的多项式表征架构，围绕机器人在真实环境中的感知、决策与控制需求，形成涵盖环境理解、行动预测、自主规划与执行的智能能力，推动机器人从执行预设程序走向在复杂环境中自主完成任务。
以预测式世界模型为基础，让机器人理解行动如何改变世界
机器人进入真实物理世界，面对的是持续变化的人、物体、空间和任务状态。仅仅生成动作序列或操作过程的视频，并不足以支撑机器人在真实环境中自主完成任务。机器人还需要快速、准确地判断当前环境是否满足操作条件，理解动作与环境变化之间的关系，及时应对突发情况，并预测不同行动可能产生的结果。
这正是Polibrain采用预测式世界模型技术路线的核心所在。
Polibrain通过学习环境状态、历史信息与行动结果之间的关系，在与任务相关的潜在表征空间中预测状态变化，为后续规划与控制提供依据。不同于以生成未来画面或重建视觉细节为主要目标的生成式世界模型，Polibrain更关注行动与物理环境变化之间的因果关系，重点预测影响任务执行的关键状态，而非完整复现环境中的所有视觉细节。模型通过提取物体位置、交互关系、任务进度等关键信息，学习不同动作可能引发的状态变化，并将预测结果直接用于机器人的自主规划与控制。
从感知当前环境，到预测行动结果，Polibrain让机器人的自主决策建立在对真实物理世界变化规律的理解之上。
多项式表征与因果记忆，提升真实场景中的学习与决策能力
真实环境包含大量复杂信息，但并非所有信息都与当前任务有关。
传统神经网络在学习过程中，可能将背景纹理、光照等无关信息与任务特征混合编码。当环境发生变化时，这种“特征污染”容易影响模型对任务关键信息的稳定提取，进而制约跨场景泛化能力。
针对这一挑战，Polibrain采用千诀科技团队自主研发的多项式表征架构，围绕影响环境状态变化和任务结果的关键变量组织信息，在保持任务表达能力的同时，减少对无关细节及不稳定关联的依赖。
这一技术方向源于团队在表征学习、函数复杂度与模型泛化领域的持续研究。团队通过研究神经网络对潜在生成变量的恢复机制，以及多任务学习、低阶偏好对表征学习的影响，为构建可迁移的世界模型提供理论基础；同时引入“有效阶数”等方法刻画函数复杂度，为模型表征设计与训练优化提供支持。
除了提取当前环境中的关键信息，机器人还需要合理利用历史经验。在连续操作中，物体可能被遮挡，部分任务状态无法仅凭当前画面判断。机器人需要记住哪些动作已经完成、哪些环境状态发生了变化，以及哪些历史信息会影响后续决策。
围绕这一问题，千诀科技团队研究了基于反事实推断的历史信息筛选机制，通过分析历史观测的变化是否影响后续预测与决策，识别真正值得保留的信息。相关研究为Polibrain的记忆与推理设计提供了方法基础，支持机器人结合当前感知与任务相关的历史信息，应对遮挡、延迟反馈及多步骤依赖等复杂情况。
通过多项式表征与因果记忆，Polibrain致力于让机器人更准确地提取关键特征、利用历史信息，为复杂环境中的持续自主决策提供支撑。
预测、决策与执行协同，让机器人自主应对环境变化
真实任务并不会始终按照预设流程推进。物体位置变化、操作偏离预期、环境出现干扰，都可能要求机器人重新判断当前状态并调整后续行动。
Polibrain将行动结果预测与真实执行反馈相结合，围绕任务目标进行自主规划，并根据实际状态变化动态调整行为，形成从环境感知、状态理解、行动预测、任务决策到动作执行与反馈调整的持续决策闭环。
当实际执行结果与预测不一致时，模型能够根据新的环境状态重新评估后续行动，降低对固定程序和持续人工操控的依赖。同时，Polibrain支持通过关键特征解码追踪任务执行过程，分析预期状态与实际结果之间的偏差，为异常定位、任务恢复和模型持续优化提供支持。
这一机制使机器人不仅能够规划动作，也能够在执行过程中持续判断、调整和优化，更好地适应真实场景中的不确定性。
融合多源数据，推动智能能力跨本体、跨场景复用
机器人智能的发展，既需要高效学习，也需要让成熟能力在不同产品和场景中复用。
在数据层面，机器人本体数据采集受到硬件数量、场地条件和操作成本等限制，而第一视角视频、人类操作视频等数据同样包含丰富的物体交互关系和任务过程信息。
Polibrain支持融合机器人本体数据、第一视角视频及人类操作视频等多源数据进行训练。其中，人类视频为模型学习环境表征、交互关系和任务过程提供信息，机器人本体数据则用于建立具体动作与物理环境变化之间的对应关系。通过多源数据协同学习，Polibrain能够提高数据利用效率，为新任务学习与模型迭代提供支持。
在跨本体适配方面，Polibrain采用松耦合因果表征架构，通过状态编码、因果干预与动作解码等关键环节，将可复用的环境理解、行动预测与任务决策能力，与不同机器人本体的动作执行能力相衔接。
人形、轮式、单臂、双臂、四足等不同机器人，虽然在运动结构和控制方式上存在差异，但许多任务涉及的目标状态、物体关系和操作逻辑具有共性。Polibrain通过对这些共性信息的表征与因果推理，形成可复用的智能能力，并结合不同机器人的控制接口、运动原语和轨迹规划能力完成本体适配。
这一架构有助于减少不同机器人重复构建智能系统的工作，使成熟能力能够在更多机器人产品和实际业务场景中持续复用。同时，Polibrain也支持与客户已有的软件系统、模型及控制能力融合，根据不同硬件条件与业务需求灵活适配。
机器人本体不同，但对世界的理解不必从零开始。让一套核心智能能力赋能更多形态的机器人，是千诀科技推动具身智能规模化应用的重要方向。
从核心技术到真实应用，让机器人智能更快进入业务场景
机器人大脑的价值，最终需要在真实场景中得到验证。对于机器人企业和行业客户而言，智能能力不仅要体现在模型本身，更要能够融入实际产品与业务流程，解决具体问题，并以更低的开发成本持续迭代。
围绕机器人在复杂物理环境中的自主作业需求，千诀科技持续推动Polibrain与实际应用场景深度结合。目前，相关能力已在服务、物流、零售及家庭等场景中开展商业应用与验证，覆盖环境感知、物体操作、跨楼层移动、多步骤任务规划及异常状态处理等真实任务。
对于机器人本体厂商，Polibrain提供可复用的环境理解、任务规划与自主决策能力，帮助机器人在现有硬件基础上进一步提升智能化水平，减少面向不同场景重复开发算法与智能系统的投入。
对于拥有明确业务场景的行业客户，千诀科技可以围绕实际任务需求，将Polibrain与机器人本体、业务系统及现场环境相结合，推动机器人从“具备功能”进一步走向“自主完成任务”，加快智能能力从技术验证进入实际业务应用。
对于已具备一定算法、模型或控制能力的合作伙伴，Polibrain能够与现有技术体系灵活融合，根据实际需求，在感知、预测、决策、记忆及任务规划等环节提供智能能力补充，无需重新构建整套系统。
从单一场景的验证，到核心能力的沉淀，再到不同机器人和业务场景中的复用，千诀科技持续推动机器人智能能力从技术研发走向规模化应用。
依托Polibrain的预测式世界模型与跨本体适配能力，千诀科技正在构建面向真实物理世界的机器人智能基础设施，帮助机器人企业更高效地打造智能产品，推动行业客户加快机器人在真实业务中的应用，让经过验证的智能能力在更多机器人产品和场景中持续复用。
