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。…