一句话看懂：alphaXiv 收录的论文提出 Ropedia W0，一个覆盖人类与多种机器人形态的第一人称移动操作世界模型，用 1 万小时人类视频和 3000 小时机器人数据训练，并配套新基准 Xp-Teleop。
事件核心：发生了什么
论文页面显示，Ropedia W0 是首个同时覆盖人类与多种机器人形态的第一人称移动操作世界基础模型。作者整理了 Xp-Data，包含约 1 万小时人类第一人称视频和 3000 小时机器人数据，来源涵盖 14 个公开人类数据集、13 个公开机器人数据集及超过 6000 小时自采数据。模型用相机位姿编码移动，用投影骨架编码操作，并保留各形态的几何差异，而非强行统一关节定义。同时发布 Xp-Teleop 长程灵巧人形遥操作基准。目前公开信息显示，这是一个论文级成果，摘要中的评测尚未经同行评审认证。
为什么重要
移动与操作联合建模长期受制于动作空间异构和标注稀缺。Ropedia W0 的思路是把人类第一人称视频当作廉价预训练资源，而机器人数据负责对齐形态差异。摘要称，扩展人类预训练数据能同时提升人类和机器人评测表现，这为“用人类经验补机器人数据缺口”提供了一条可验证路径。评测覆盖 DreamDojo、Ψ0、ω-HOME、Xp-Teleop 和 AgiBot 五个跨形态基准，在 400 个评测窗口上 A14B 版本达到 21.98 dB PSNR，高于 Cosmos3-Nano 的 19.02 dB 和 Cosmos3-Super 的 18.77 dB。该结果需限定在论文设定的评测条件内理解，不应视为永久排名。
对用户/开发者/创作者的影响
对机器人开发者，这类世界模型可用于策略评估和模型规划，在真机部署前先做仿真预测。对 VR 与内容创作者，蒸馏后的模型支持实时、分钟级长视频 rollout，论文演示了用 Quest 3 头显和手部动作驱动生成画面，意味着交互式内容原型可能更快搭建。目前公开信息显示，模型尚未以 API 或开源产品形式开放，训练与推理仍依赖较大算力，短期更可能先进入研究与合作项目。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是论文是否公开模型权重或推理接口，决定开发者生态能否起量；二是 Xp-Teleop 基准是否被更多团队采用，成为跨形态比较的公共标尺；三是实时 VR 交互在真实延迟和画质下的表现，以及是否有机器人公司跟进类似的人类数据预训练路线。
来源：alphaXiv
