世界模型是机器人领域的前沿方向，但通常依赖大量动作标注数据。北京智源人工智能研究院（BAAI）最新发布的Orca模型，以纯视频训练的方式打破了这一限制。
发生了什么
BAAI 发布了名为 Orca 的世界模型，它不预测像素或 token，而是直接预测抽象的“世界状态”。该模型在12.5万小时的机器人操作视频上训练，且这些视频没有任何动作标签。在五项机器人任务（如抓取、放置等）的基准测试中，Orca 的性能与专门训练的 π0.5 系统持平。π0.5 是此前在机器人领域表现突出的专用模型，需要大量标注数据。
为什么重要
机器人学习长期受困于数据瓶颈：获取带动作标签的真实世界数据成本高昂且耗时。Orca 的核心突破在于，它证明了仅通过观察视频（无监督学习）就能学到有效的世界模型，从而大幅降低数据获取门槛。这一思路与近年视觉语言模型（VLM）利用互联网规模图像文本对进行预训练类似，但 Orca 将其扩展到了机器人领域。此外，Orca 由中国机构发布，也反映了全球范围内世界模型研究的加速竞争。
影响与看点
- 对机器人开发者：Orca 提供了一种新的预训练范式，开发者可以先用海量无标签视频训练基础世界模型，再针对具体任务微调，有望显著降低标注成本。
- 对行业格局：如果 Orca 的方法可扩展，可能改变机器人领域依赖昂贵数据采集的现状，加速通用机器人系统的落地。
- 值得关注的点：Orca 目前仅在模拟和有限真实任务上验证，其泛化到复杂动态环境的能力尚待检验。此外，与 π0.5 的对比是基准测试，实际部署中还需考虑计算效率和实时性。
总体而言，Orca 是向数据高效机器人学习迈出的重要一步，但其能否成为机器人领域的“GPT 时刻”，还需更多开源和后续研究来验证。
