图灵奖得主、前Meta首席AI科学家杨立昆（Yann LeCun）联合Mila研究所、布朗大学、牛津大学及LanceDB等机构，于近日正式发布开源平台stable-worldmodel（简称swm）。该项目由Mila研究所博士生Lucas Maes担任第一作者，AMI Labs研究员Randall Balestriero担任通讯作者，旨在为具身智能领域的世界模型研究提供一个标准化、高复现性的统一底座。
破解世界模型研究的三大瓶颈
近年来，世界模型作为实现通用人工智能（AGI）的关键路径受到广泛关注。然而，该领域长期面临三大核心挑战：
- 代码库碎片化：不同研究团队往往需要从零构建专属的数据流与核心算法，导致大量重复开发；
- 数据加载效率低下：视频数据处理成为训练瓶颈；
- 缺乏统一基准：难以对不同方法进行公平比较与复现验证。
stable-worldmodel正是为解决这些问题而生。
核心特性：高性能数据层与多算法集成
据arXiv论文（2605.21800）披露，stable-worldmodel引入了基于Lance格式的高性能数据层，提供针对MP4视频、HDF5以及LeRobot机器人数据集的专用转换工具，大幅提升数据加载效率。
在算法层面，该平台集成了多种主流世界模型基线：
| 基线算法 | 描述 |
|---|---|
| DINO-WM | 基于自监督DINOv2特征的隐世界模型 |
| PLDM | 预测式语言-动作-视觉模型 |
| LeWM | 学习型世界模型 |
| GCBC | 基于图像的动作条件预测 |
| GCIVL/GCIQL | 基于对比学习的交互式视觉-语言模型 |
此外，平台还提供CEM、MPPI及基于梯度的规划求解器，支持模型预测控制（MPC）评估。
标准化评估体系
stable-worldmodel支持来自DeepMind Control Suite、OGBench以及经典世界模型基准（如Two-Room、PushT）的大量环境。每个环境均可定制视觉、几何及物理因子的变化，使研究人员能够系统性地评估模型的动力学理解、控制性能、表示质量及分布外泛化能力。
战略背景：杨立昆的"世界模型"野心
2026年3月，杨立昆离开深耕12年的Meta，创办AMI Labs（先进机器智能实验室），并完成了欧洲史上最大规模的10.3亿美元种子轮融资，投前估值达35亿美元。杨立昆始终认为，以ChatGPT为代表的大语言模型（LLM）路线无法实现真正的AGI，必须赋予AI对物理世界的理解能力——即构建内部世界模型。
此次推出stable-worldmodel，正是其推动世界模型商业化与技术标准化的重要一步。通过在单一框架下整合完整数据流与评估体系，该平台有望大幅降低世界模型的研发门槛，为具身智能研究提供一个可复现的标准化基础设施。
项目已在GitHub开源，代码仓库为galilai-group/stable-worldmodel，并提供pip安装包。