流形空间发布 WorldScape Policy：基于基础世界模型的通用机器人学习框架

Manifold AI 官网于2026年02月28日发布题为《WorldScape Policy: Generalizable Robotic Learning via a Foundation World Model》的文章。文章将 WorldScape Policy 定义为建立在自研基础世界模型 WorldScape 之上的通用机器人策略模型，核心目标是把 Foundation World Model 直接转化为 generalist robotic planner。公开内容强调三点：其一，使用统一的 Mixture-of-Transformers 架构，在统一 flow-matching 目标下联合建模 video、depth 和 actions，避免传统两阶段视频预测加逆动力学方法的误差累积；其二，通过自动化数据过滤和标注流程，把大规模第一视角人类视频转化为 instruction-action 片段，并与跨 embodiment 机器人示范数据混合，形成可扩展的数据金字塔；其三，引入 Advantage-Conditioned Human-In-The-Loop 学习，以闭环方式提升机器人在复杂真实环境中的鲁棒性与泛化表现。文章还将该方向概括为 World-Action Model，强调世界模型不应只停留在可生成视频的“旁观者”角色，而应成为可执行动作控制的“参与者”。从舆情角度看，这属于流形空间在世界模型到具身智能控制落地上的正式产品与研究发布，反映其技术路线从生成式空间建模继续延伸到机器人策略层。