当前，具身智能研发面临 “双重枷锁”：真机验证成本高、风险大且仿真有偏差，制约策略验证效率；海量真机数据未形成高效利用机制，限制模型进化。为此，智元机器人在去年发布的具身 4D世界模型EnerVerse基础上，迭代推出全球首个基于机器人动作序列驱动的具身世界模型 EVAC（EnerVerse-AC），并配套发布全球首个具身世界模型评测基准 EWMBench。两大成果已全面开源，构建起从训练到评测的全链路闭环，致力于打造“低成本模拟-标准化评测-高效迭代”的全新开发范式，为全球具身智能研究注入动力。
EVAC作为一款能够动态复现机器人与环境复杂交互的世界模型，标志着具身智能从传统仿真迈向生成式模拟的重要跨越。它的核心能力体现在多个方面，首先是物理动作与像素的高精度对齐，通过将机械臂 6D 位姿（x,y,z,roll,pitch,yaw）与末端执行器行程投影为 action map，实现了 “抓取”“放置”“碰撞”“推拉” 等复杂动力学行为的像素级精准建模。其次是动态多视图建模，引入Ray Map编码相机运动轨迹，支持头部、腕部等多视角协同生成一致连贯的视觉场景，让机器人具备更全面的环境感知能力。
同时，它拥有卓越的长时序一致性，采用Chunk-Wise自回归扩散架构与稀疏记忆机制（Sparse Memory），EVAC能够实现单视图稳定生成长达 30 个连续片段，多视图下也能维持 10 个连续片段的无漂移输出，保证了模拟过程在时间上的连贯性与真实性。另外，在数据高效利用方面，EVAC 融合了 Agibot-World 数据集与失败轨迹（如抓取滑脱、路径碰撞），有效抑制了模型幻觉，使机器人与环境的交互动态建模更加合理、全面。
EVAC 的价值主要体现在 “生成式仿真评测 + 数据引擎” 的双轮驱动上。针对真机评测成本高、风险大、难以复现等痛点，EVAC开创性地提出了生成式模拟评测方案，它能与待评测的策略模型进行交替推理，构建起一套完整的交互式评测管线。
目前，EVAC 已成为全球顶尖机器人赛事 AgiBot World Challenge @ IROS 2025 的 baseline 之一。这两大成果的全面开源，不仅为研究者提供了可直接复用的技术底座，更将推动 “算法 - 评测” 协同进化的行业新范式，加速具身智能技术的落地与产业发展。智元机器人表示，将继续践行在具身智能生态中的创新与协作，通过开源技术为全球研究提供支持，引领具身智能迈向更高效、更普适的未来。
