北京智源发布Orca世界模型：无动作标签训练，机器人任务性能媲美专用系统

一句话看懂

北京智源发布Orca世界模型，仅靠视频学习预测世界状态，无需动作标签，在机器人任务上媲美专用系统。

北京智源人工智能研究院（BAAI）发布了名为Orca的世界模型。与传统模型预测token或像素不同，Orca直接预测抽象的“世界状态”——即场景中物体的位置、关系等高层语义信息。

Orca的训练数据来自12.5万小时的机器人操作视频，但没有使用任何动作标签（如“抓取”“移动”）。这意味着模型仅通过观察视频中的状态变化，自主学习理解物理世界的动态规律。

在五项机器人任务（如桌面整理、物体堆叠等）的测试中，Orca的表现与专门训练的π0.5模型持平。π0.5是一个针对具体任务精心调优的模型，而Orca是通用世界模型，无需针对每个任务单独训练。

这一成果有望缓解机器人领域长期面临的数据短缺问题——标注动作标签成本极高，而Orca证明了无监督学习在机器人理解世界方面的巨大潜力。

Orca的发布对中文圈机器人研发有直接意义：

降低数据门槛：国内机器人公司常因缺乏高质量标注数据而进展缓慢。Orca的无标签训练方法意味着可以利用海量现成的视频数据（如工厂操作录像、家庭演示视频）来训练模型，大幅降低数据成本。
国产替代与对标：目前国内机器人世界模型领域，智谱、深蓝等公司也有布局，但Orca是首个公开宣称无需动作标签即可达到专用模型性能的成果。这为中文圈提供了一条不同于Google RT-2、OpenAI VLA等路线的技术路径。
应用场景：对于中文用户，Orca可应用于智能家居（如自动洗碗、整理）、工业自动化（如分拣、装配）以及教育机器人（通过观察学习新技能）。不过，目前模型尚未开源，实际部署需关注后续开放计划。
合规盲点：训练视频可能涉及隐私或商业敏感内容，国内企业在使用类似方法时需注意数据合规，避免采集未经授权的视频。

Orca让机器人通过“看视频”学会理解世界，中文圈机器人公司可借此降低数据成本，加速落地。