【奇点智能技术大会嘉宾快讯 | 刘昊】世界模型需要理解物体与动作：统一架构与具身落地实战

刘昊，现任视启未来联合创始人、世界模型与具身方向负责人，打造行业首个万物泛化抓取大脑（DINO-X-Grasp）与行业领先的"生成 + 理解"统一世界模型。曾任滴滴量产智驾算法负责人，推动行业首个舱驾一体算法量产落地（小鹏 MONA）；曾任文远知行 L4 感知负责人，打造行业首个低算力激光多模态感知算法，完成文远知行 AI 推理框架和中间件 0 到 1；前百度 AI Infra 负责人，主导 AI 推理框架 Anakin、AI 分布式训练 PaddlePaddle 通信库、百度公司统一 AI 异构计算集群等，获 2017 百度百万美金最高奖（孔明团队）。

本届奇点智能技术大会大会，刘昊将带来议题《世界模型需要理解物体与动作：统一架构与具身落地实战》：世界模型的目标是学习物理规律和因果交互规律。 📅 11月20-21日，北京万达文华酒店 。2026 奇点智能技术大会与 C++ 及系统软件技术大会，首次双会并行，70+技术嘉宾同台，18大前沿专题。大会官网：ml-summit.org

🎟️ 心动不如行动，领取资料、购票：zhangyl1 视启未来认为，所有的物理规律是作用在物体上的，因此世界模型需要先理解物体再学习物理规律；因果交互规律在具身领域本质是动作交互引起的，因此世界模型需要先理解动作再学习因果交互规律。

本议题将基于视启未来"生成 + 理解"统一世界模型（视觉原生基模 DINO-X），分享在物理规律和因果交互规律学习中的最新进展，同时结合"万物泛化抓取大脑"的实际落地，探讨如何从第一性原理出发破解模型的"物理幻觉"，并分享背后的架构设计与工程优化经验。

大纲速览：

当前痛点：世界模型为什么是视觉原生的？

第一性原理：世界模型为什么需要先理解物体/理解动作？

架构解析：视启未来"生成 + 理解"统一世界模型（DINO-X）的核心网络设计与训练数据构造实践

具身实战与工程优化：多视角能力在复杂物理交互中的表现，以及结合底层硬件的推理框架部署经验

案例与复盘：视频生成与具身抓取 DEMO 演示，及典型实战 Bad Case 避坑分享

听众收益： ✅ 从第一性原理角度了解世界模型如何学好物理规律和因果交互规律，看清世界模型前沿和趋势 ✅ 了解"生成 + 理解"统一多模态架构的设计思路 ✅ 获取前沿模型在具身智能场景（泛化抓取）中从训练到推理部署的实战落地经验ai世界模型具身智能视觉机器人极客头条