松延动力开始做“具身大脑”
9 月 8 日，松延动力发布通用具身智能技术品牌 Scalabot，并同步推出 HERON 技术体系下首个世界模型 HERON-World Model。
过去几年，松延动力主要以 N2、Bumi、E1 等机器人本体被外界认识。这次发布的意义在于，公司开始把能力边界从“怎么造一台能运动的机器人”，推进到“机器人怎样理解行动会带来什么后果”。
HERON 到底解决什么问题
传统机器人策略常常直接从当前观察生成动作。HERON-World Model 选择多加一步：
在机器人真正执行之前，先预测不同候选动作会让未来的世界变成什么样。
例如面对同一扇冰箱门，机器人从不同位置伸手、施加不同方向和幅度的动作，后续场景会完全不同。HERON 接收当前画面、历史观察、本体状态、任务指令和候选动作，然后生成对应的未来视频。
这相当于让机器人在脑中先“演一遍”，再决定哪条动作路线更合理。
为什么世界模型可能成为下一代机器人基础层
1. 从“会执行”升级到“会预测后果”
真实世界最大的困难是不确定性。物体会滑、布料会变形、门会卡住、人的位置会变化。仅靠模仿训练数据中的动作，很难覆盖所有情况。
如果机器人具备预测未来的能力，就可以在动作发生之前比较多个结果，把“试错”尽可能从现实世界转移到内部推演。
2. 跨本体数据开始有统一表示
HERON 的训练数据同时包含真实机器人、仿真和第一视角人类视频，并尝试把不同数据映射为具有共同物理意义的动作表示。
这很关键：具身智能真正的规模化，不可能要求每一台机器人都从零采集自己的全部训练数据。未来数据必须能在不同身体之间迁移。
3. 模型不再只是“机器人的插件”
过去很多机器人公司把 AI 模型视为整机上的一个功能模块。Scalabot 的方向更像另一种结构：本体成为可执行的身体，而世界模型、空间智能和行动智能逐渐形成相对独立的“具身大脑”。
一旦这种大脑能够跨机器人迁移，行业结构就可能从“一家公司 = 一套机器人 + 一套算法”，转向“通用智能层 + 多种机器人身体”。
当前性能该怎么理解
Scalabot 官方页面显示，HERON-World Model 在采用 WorldArena 1.0 Track 1 开源测试方案的离线评测中，EWMScore_P 综合得分为 75.80；其中物理交互、空间透视、指令遵循等分项较高，而轨迹准确性仍有明显提升空间。
这些数据说明模型已经具备较强的物理世界生成与动作条件响应能力，但它仍然是“预测世界”的基础层，不等同于机器人已经获得通用自主作业能力。
聚身之家观察
这次发布最值得关注的不是松延动力又多了一个 AI 品牌，而是人形机器人行业的能力栈正在发生变化：
过去先造身体，再给身体写控制程序；未来可能先形成一个能够理解和推演物理世界的通用智能层，再让不同的身体接入。
如果这条路线成立，机器人最终会越来越像今天的计算机：硬件本体、操作系统、基础模型、数据和应用开始解耦。谁能建立真正跨本体的世界模型和数据语言，谁就有机会成为具身智能时代的基础设施。
来源： Scalabot / HERON 官方项目页；每日经济新闻 9 月 8 日报道；北京未来科学城 9 月 9 日公开信息。