机器人如何"脑补"未来？ 想象一下，你面前摆着一杯咖啡，你伸手去拿，在你的手真正触碰到杯子之前，你的大脑已经在"脑补"了整个过程：手臂将如何移动、杯子会是什么触感、抬起后桌面的样子……这种对未来场景的想象和预测能力，正是人类操控世界的核心认知基石。 那么，能否赋予机器人同样的“预演能力”，先在“脑海”中模拟动作后果，再付诸执行？这就是具身世界模型要做的事情：让机器人在行动前，就能“看见”未来。近年来，借助大规模视频生成模型（如Sora、Wan等）强大的视觉先验，这一方向取得了令人瞩目的进展。 然而，一个…