Meta发布报告：具身智能的未来是「心智世界模型」

Meta最近发布了一份40页的研究报告，提出了一种全新的发展方向——「心智世界模型」。这一模型不仅关注物理世界的规律，还将人类的心理状态和社会行为纳入框架，旨在打造能听、能看、能理解、会共情的智能体。

传统世界模型（如LeCun提出的JEPA）主要聚焦于物理规律，例如物体运动和因果关系。而心智世界模型则首次将目标、意图、情感及社会关系等心理因素纳入其中，实现“双轨建模”。这意味着智能体不仅能预测物体的运动，还能推断人类的行为动机与情绪反应。例如，当一个人因收到烤糊的汉堡而愤怒离开时，智能体可以推测他并未吃下汉堡，从而更好地理解情境。

Meta认为，当前大模型虽强大，但过于臃肿且缺乏抽象推理能力。相比之下，世界模型通过从感知中提取关键信息，帮助智能体高效规划行动。然而，要让AI真正具备这种能力，必须结合两种学习方式：系统A通过观察大量数据提炼抽象知识，系统B则通过试错学习实际操作技能。两者的协同作用将推动感知与行动的相互促进。

尽管目前技术尚不成熟，例如在目标推测任务中，视觉-语言模型的成功率仅为55%，但心智世界模型展现了巨大潜力。它不仅有助于提升人机交互的自然度，还为多智能体协作提供了理论基础，使智能体能够推测彼此意图，在复杂环境中协调行动。

虽然前路漫长，但这一方向为具身智能迈向更高阶的社会化形态铺平了道路。
（报告链接：https://arxiv.org/abs/2506.22355）