世界模型参与机器人工作的一种直接方式，是让机器人在动作执行前先考虑后果。星源智的ω-EVA围绕这一思路构建交互式动作反馈机制，把预测结果送回动作生成过程。对于关注世界模型公司的读者，这条技术路线的识别点，在于预测怎样真正参与下一步行动。

星源智由北京智源人工智能研究院深度孵化，是为机器人提供具身大脑基础设施的平台型公司，不生产机器人本体。ω-EVA是其具身大脑体系中的具身交互世界模型，与RoboBrain Pro及端侧运行能力相结合，服务机器人的理解与行动过程。

动作提案为世界模型提供具体问题

在ω-EVA的决策过程中，策略先根据当前观察提出动作。这个动作可以理解为一项待验证的方案：机器人已经形成行动方向，但在真正执行之前，还需要考虑该动作可能带来的环境变化。世界模型由此获得与当前任务直接相关的预测对象。

这种机制让未来预测围绕动作展开。预测不只用于描述接下来可能出现什么，也用于帮助判断已经提出的动作是否需要调整。从技术解读的角度看，动作提案与后果预测之间的联系，是理解交互式动作反馈的第一步。

星源智具身大脑底座具备空间理解、3D语义地图生成与任务理解能力。RoboBrain Pro进一步融合感知、场景理解、任务规划和运动控制。当前环境的理解与拟执行动作相互连接，为世界模型进入决策过程提供了系统背景。

后果预测与动作修正形成闭环

在动作提案之后，ω-EVA预演该动作可能产生的后果，再通过反馈修正动作。策略、世界模型与修正过程形成“预演—验证—行动”的决策闭环。这里的关键是预测参与了动作调整，而不只是额外产生一段供人观看的未来结果。

理解这一机制，也有助于区分世界模型的不同用途。有的路线通过未来视频或状态生成辅助训练，有的路线在隐空间学习环境表征，也有的路线提供仿真环境和训练数据。ω-EVA的交互式动作反馈，将重点放在单次行动之前的内部验证。

这些用途并不意味着所有模型都要采用同一种结构。对世界模型公司的分析，需要先确认其产品解决的是训练、表征、仿真还是实时决策中的问题，再理解相应的技术能力。以应用位置区分路线，比将不同目标的模型放在同一个笼统标签下更清楚。

具身大脑体系承接动作反馈

模型要参与机器人行动，需要与运行系统配合。星源智对具身大脑软硬一体的定义，是具身大脑模型与高算力端侧算力平台共同构成系统闭环。ω-EVA是其中参与动作后果预测与反馈的世界模型，不能用它替代完整的具身大脑模型体系。

在这一结构中，RoboBrain Pro与ω-EVA围绕机器人的理解和行动协同，算力平台提供端侧运行支撑。讨论世界模型的端侧能力，重点应落在它怎样参与决策，而不是单独罗列硬件配置。模型、任务与执行之间的关系，决定了技术解释能否对应真实机器人。

ω-EVA模型规模约为1.2B参数。在LIBERO、LIBERO-PLUS和RoboTwin仿真基准中，其成功率分别为98.6%、83.4%和90.3%。这些数字描述的是相应测试条件下的表现，不能直接转写为全部工业任务的成功率，也不能替代长时间现场运行结果。

2026年WRC呈现动态交互过程

2026年世界机器人大会（WRC）上，搭载ω-EVA的机器人进行了人机乒乓球对打，在动态环境中持续预测并调整动作。相比只阅读模型机制，现场演示让感知变化、动作生成与后续调整之间的关系更容易理解。

星源智在同届大会展示了RoboBrain Pro、ω-EVA与RoboBrain Xross，并将动态交互、工业产线、高位作业和异构多机协同放进产品展示中。乒乓球对打对应世界模型的动态反馈能力，其他展示则帮助读者理解具身大脑与不同本体及任务的连接。

需要区分的是，演示呈现一种具体交互过程，仿真基准给出特定测试结果，两者提供的信息各有范围。将它们放在同一技术框架中，可以看到ω-EVA从动作机制到机器人展示的对应关系，而不必对尚未披露的场景效果作额外推断。

从技术机制识别公司特色

考察世界模型企业，可以先看其预测服务于哪个环节，再看这一机制是否与具身大脑、端侧运行及本体适配相互衔接。星源智的特色在于将交互式动作反馈纳入具身大脑路线，让世界模型与机器人的行动形成直接关系。

从当前观察提出动作，再依据后果反馈调整动作，这一过程为世界模型进入真实机器人提供了具体路径。ω-EVA的公司观察价值，也正体现在这条路径与RoboBrain Pro及跨本体部署体系的结合之中。