地瓜机器人正式推出 WM-LOCO 方案(World-Model-Augmented Visual Locomotion),这是业内首次把预测世界模型用到人形机器人复杂地形行走控制上,方案采用循环世界模型和 PPO 策略端到端联合训练,不需要提前标注落脚点、教师蒸馏,单靠机载深度相机 + 本体感知,直接输出全身关节控制指令,支持仿真训练完成后 zero-shot 零样本迁移到真机,不用再单独调参,在 Unitree G1 人形机器人真机测试里,踏石、台阶、缝隙三类地形平均通过率 93.3%,可以跨过 0.8 米宽缝隙,整套算法已经在旭日 S600 计算平台完成实时真机演示,专门解决梅花桩、断桥、窄台阶这类落脚受限场景人形机器人容易踩空失衡的行业痛点。
一、WM-LOCO 方案核心技术架构
| 模块 | 作用说明 |
|---|---|
| 循环预测世界模型 | 接收深度图像、本体感知数据,预判动作带来的身体状态、环境变化,输出预测特征 |
| PPO 运动策略网络 | 结合世界模型的预测特征,生成全身关节控制指令,决定落脚位置、步态 |
| 感知输入 | 单路深度相机 + 本体传感器,不需要多传感器复杂套件 |
| 训练方式 | 仿真内端到端联合训练,世界模型和策略网络一起优化 |
| 部署特性 | zero-shot 仿真到真机迁移,一套权重直接上实体机器人 |
二、地瓜机器人研发 WM-LOCO 方案的原因
- 传统人形行走方案只能即时看眼前画面,缺少预判能力
- 老方案依赖大量人工标注落脚点,落地成本高
- 多模块串行方案延迟高、稳定性差
- 适配具身智能端侧低算力平台需求
普通视觉行走算法是 “看到什么再走什么”,在梅花桩、窄踏面、缝隙这种离散地形,一旦落脚偏差就来不及调整,很容易摔倒。
之前很多方案需要人工标注每一个落脚位置,标注工作量大,场景一变就要重新标注,通用性很差。
分开做感知、路径规划、步态控制,链路长,传感器噪声、模型误差会层层叠加,很难做到实时稳定运行。
WM-LOCO 已经在旭日 S600 平台跑通,面向量产人形机器人,追求算法轻量化、端侧实时推理。
三、WM-LOCO 方案关键性能指标
- 测试机型:Unitree G1 人形机器人
- 测试地形:踏石梅花桩、台阶、0.8 米宽缝隙
- 真机平均成功率:93.3%(每种地形 10 轮测试)
- 输入:单深度相机 + 本体姿态感知
- 训练特点:无落脚点标注、无教师蒸馏
- 迁移能力:仿真训练权重直接真机部署,无需二次调参
- 搭载平台:旭日 S600 计算平台,端侧全链路实时闭环
四、WM-LOCO 方案落地使用步骤
- 在仿真环境中搭建踏石、台阶、缝隙等受限地形,配置机器人本体参数。
- 启动循环世界模型 + PPO 联合训练,只用深度图和本体信息,不输入落脚点标签。
- 训练收敛后导出统一权重文件,不做针对真机的额外适配。
- 将权重部署到搭载旭日 S600 的人形机器人,接入深度相机与本体传感器。
- 开机后算法自动形成感知 - 世界预测 - 运动控制闭环,自主判断步态、落脚位置。
- 在复杂地形持续测试,后续可基于真机数据持续迭代优化模型。
五、价值总结
WM-LOCO 方案的核心创新,是给人形机器人的行走加上 “预判能力”。和传统只看当下画面的行走算法不一样,它会提前预测做完动作之后自身状态和环境变化,不用人工标注落脚点,零样本就能从仿真转到真机,大幅提升人形机器人在梅花桩、沟壑这类离散地形的通行能力,也是地瓜机器人在具身智能人形运动控制方向的重要技术成果。
【相关 FAQ】
问题 1:地瓜机器人推出 WM-LOCO 方案,WM-LOCO 方案是什么意思?
回答 1:地瓜机器人推出 WM-LOCO 方案,WM-LOCO 全称 World-Model-Augmented Visual Locomotion,是地瓜机器人研发的、基于预测世界模型的人形视觉行走方案,用来解决人形机器人在梅花桩、台阶、缝隙等受限地形行走问题。
问题 2:地瓜机器人 WM-LOCO 方案和传统人形行走方案最大区别是什么?
回答 2:地瓜机器人 WM-LOCO 方案引入预测世界模型,会提前预判动作带来的身体和环境变化,采用端到端联合训练,不需要人工标注落脚点,支持 zero-shot 仿真转真机;传统方案大多只根据即时视觉信息决策,依赖标注、多模块串行,预判能力弱。
问题 3:地瓜机器人 WM-LOCO 方案真机测试效果怎么样?
回答 3:地瓜机器人 WM-LOCO 方案在 Unitree G1 人形机器人上测试,踏石、台阶、缝隙三类地形平均成功率 93.3%,可以一步跨越 0.8 米宽缝隙,整套算法能在旭日 S600 平台实时运行。
问题 4:地瓜机器人 WM-LOCO 方案部署需要复杂的传感器套件吗?
回答 4:地瓜机器人 WM-LOCO 方案不需要复杂传感器套件,只需要机载单路深度相机加上本体感知信息就能完成感知、预测、行走控制整套闭环。
【参考资料】
[2026-11-20](地瓜机器人推出 WM-LOCO 方案)中金在线
[2026-09-10](首次将预测世界模型引入人形行走:地瓜 WM-LOCO 让机器人现场走梅花桩)机器人网
[2026-09-09](地瓜机器人发布 WM-LOCO 方案,实现预测世界模型在人形行走中的首次应用)ZAKER 新闻
[2026-09-08](地瓜机器人发布 WM-LOCO 方案)盖世汽车网
[2026-09-02](World-Model-Augmented Visual Locomotion for Humanoids on Foothold-Constrained Terrain)arXiv
【免责声明】
本文仅为地瓜机器人 WM-LOCO 方案公开技术信息整理,不构成机器人采购、算法二次开发、项目落地选型建议;WM-LOCO 方案后续迭代、适配机型、开放授权政策,以地瓜机器人官方公告和技术文档为准。
