具身家庭机器人第一股发布OneModel 1.7：首个自研世界动作模型实测第一

卧安机器人（OneRobotics，6600.HK）正式发布自研世界动作模型OneModel 1.7 FrontoStria-RL，该模型面向真实家庭与服务机器人场景部署，旨在推动具身智能规模化落地。

在具身智能权威评测基准LIBERO中，OneModel 1.7平均任务成功率达到99.0%，领先于π0.5、GR00T-N1.5、OpenVLA-OFT等主流公开模型，展现出面向真实部署的领先性能。

图1：标准LIBERO平均成功率对比

从“看见并执行”到“理解并完成”

传统端到端VLA模型让机器人实现了"看见并执行"——将视觉观测和语言指令直接映射为动作。但在真实家庭场景中，这一范式面临多重挑战：泛化能力不足、长任务稳定性有限、Skill难以复用，以及对环境变化的适应能力较弱。

物体摆放、光照变化、空间布局和初始位姿偏差等因素，均容易导致任务成功率下降。World Model提升了机器人对环境状态、空间关系和动作后果的理解能力，但"理解世界"并不等于"稳定执行动作"。从高层世界理解到底层动作执行之间，仍需要任务规划、Skill调度和动作策略传导这一关键中间层。

为解决这一问题，卧安机器人提出RL-LWAM（RL-Latent World Action Model）架构，旨在打通世界理解与动作执行之间的链路——让机器人从"看见并执行"升级为"理解并完成"。

RL-LWAM：打通世界理解与动作执行的完整闭环

图2：OneModel 1.7 FrontoStria-RL完整架构；Predictive Policy Latent作为核心传导机制，连接World Model、Understand Expert与Action Expert

OneModel 1.7 FrontoStria-RL通过RL-LWAM架构构建完整的具身智能闭环。其中，World Model负责构建环境的泛化表征，理解物体关系、空间结构和任务状态；Predictive Policy Latent将World Model对场景结构和运动趋势的理解，以隐式方式传导至下游模块；Understand Expert负责任务分解、阶段识别与Skill调度；Action Expert进一步生成精准动作并完成执行。

在执行层之外，系统还构建了持续优化的反馈闭环：执行结果进入强化学习循环，用于持续修正动作策略；成功完成的动作片段被写入Success Memory，在后续相似任务中检索和复用；同时引入人在环监督（Human-in-the-Loop）作为安全层，确保系统行为可审计、可干预，形成兼顾性能与安全的部署机制。

四大核心技术创新：让世界动作模型走向真实落地

图3：OneModel 1.7 FrontoStria-RL四大核心技术创新点

1.Predictive Policy Latent

OneModel 1.7通过隐式物理推理表征替代显式未来图像或目标坐标，使World Model对场景结构和运动趋势的理解，以更高效、低冗余的方式传递给下游模块。相比传统显式生成方式，该机制减少了像素冗余与生成噪声，更适合真实机器人实时控制。

2.Understand Expert + Skill体系

Understand Expert在World Model与Action Expert之间引入任务规划层，使机器人能够识别任务阶段、确定子目标依赖，并调度对应Skill。对于叠衣服、洗碗机操作等长流程任务，模型不再只是直接输出动作，而是能够保持任务结构和执行逻辑。

3.MCF-Proto动作参数化

OneModel 1.7采用MCF-Proto（Motion-Centric Action Frame） 技术，围绕门轴、滑轨、孔位、折叠线等局部运动结构组织动作原型，而不是直接在固定世界坐标系下预测位移。这使模型在相机视角变化、机器人初始位姿偏差等真实扰动下，仍能保持更高稳定性。

4.RL闭环+ Success Memory

OneModel 1.7将强化学习、成功记忆与人在环监督结合起来。模型不仅能够通过真实任务反馈优化策略，还能将成功完成的动作片段写入记忆库，在相似任务中检索并复用已验证经验，无需重新训练即可提升成功率。

从标准评测到真机实测：实测领先能力获验证

OneModel 1.7已完成标准评测、扰动鲁棒性与真机任务等多维验证。在具身操作领域最广泛引用的评测基准LIBERO中，OneModel 1.7平均任务成功率达到99.0%；在LIBERO-plus七类扰动测试中，MCF-Proto在六类扰动中取得更优结果，验证了模型在环境变化下的稳定性。

图4：日常操作与高精度任务真机验证

在真实机器人实测中，OneModel 1.7日常操作任务平均成功率约99%，高精度任务平均成功率约97%。除了以接触操作为主的任务，OneModel 1.7还在真人对打乒乓球场景中进行了验证，接球成功率达到91.2%。乒乓球任务对实时感知、轨迹预测和快速动作生成要求极高，体现模型在高动态交互场景下的响应能力。

图5：真人对打乒乓球动态场景验证

面向“一脑多形”，构建可规模化交付的具身智能底座

OneModel 1.7 FrontoStria-RL并不服务于单一机器人形态。作为卧安机器人"一脑多形"技术体系的核心模型底座，其能力正在复用于onero家庭保姆机器人、Acemate网球机器人及Kata Friends陪伴机器人等多类具身产品。

OneModel 1.7将泛化理解、动作成功率和真实反馈学习整合进同一套世界动作模型系统，覆盖从家庭日常操作到高精度、高动态交互的广谱场景。它不是单点演示，而是一套经过benchmark与真机实测共同验证、面向规模化交付的模型平台。

随着OneModel 1.7 FrontoStria-RL的发布，卧安机器人将继续推进具身智能在真实家庭与服务机器人场景中的部署，让机器人真正具备进入日常生活、理解复杂任务并稳定完成任务的能力。

免责声明

文章来源：中国机器人网