大晓机器人发布物理世界模型Mundo：实现真实房间代码化交互与精准碰撞仿真

近日，大晓机器人联合南洋理工大学S-Lab正式发布了名为「Mundo」的世界模型。与市场上专注于视觉生成的模型不同，Mundo深度融合了3D场景重建、物理仿真与视频生成技术，构建了具备真实物理属性且支持双手交互的虚拟环境，旨在解决具身智能产线训练中底层刚体力学缺失的瓶颈问题。该系统通过内置的场景代码记录每件物体的物理属性，包括重量、质心和摩擦力等参数，再交由960Hz MuJoCo物理引擎进行运动与碰撞计算，最终结合现场照片渲染出逼真画面。用户不仅可以用Python代码直接操控家具移动，还能通过鼠标拖拽垃圾桶或施加冲击力进行实时测试。在实测演示中，仅需对着办公桌、转椅和抽屉柜拍摄9张照片，系统即可将整间屋子转化为可操作的物理世界。指令下发后，桌下抽屉在0.6秒内滑开0.28米；一颗红苹果从抽屉升起并以每秒13.5米的高速撞击显示器，使其向后倾斜；整个互动过程包含4D子弹时间功能，可在7.5秒内定格并旋转镜头以排查死角。除了复杂的人机交互，Mundo在纯物理仿真方面同样表现出色。系统能精确计算不同材质球体的下落反弹与碰撞冲击力，例如左侧面板可同步标出15.5千牛的落地冲击峰值；在保龄球馆场景中，保龄球撞击瞬间产生的55.6千牛冲击力及球瓶飞散轨迹均与真实画面完全同步。为了确保物理引擎计算的准确性，Mundo引入了Astra技术将三维框边缘误差压至1.9像素。该系统通过修改代码与投影比对循环校准物体位置，并经过Reviewer Agent多视角复核，解决了传统检测器中家具悬空或陷入墙壁等偏差问题，确保机器人训练时不会因位置误差而抓空。在技术实现上，Mundo采用分块流式生成策略维持长镜头画面稳定，每次分段生成124帧画面并保留上一段末尾34帧做衔接过渡。此外，系统还微调了Ref2VA视频模型，结合色块引导画面与现场原图，细腻还原房间的木纹、反光和阴影，成功实现了从静态照片到可交互逼真世界的跨越。