VLA 图库 / 模型列表 / 2026年新增

1X World Model (1XWM) 정책

1X Technologies · 2026-01

기타2026年新增视频主干14B；IDM·总量未公开视频world model

由IDM从世界模型生成的视频帧之间提取动作的视频生成式策略。

论文

无论文 · 相关 1X World Model: Evaluating Bits, not Atoms

概述

分类

2026年新增

类型

기타

发布

2026-01

机构

1X Technologies

权重公开

否

参数

视频主干14B；IDM·总量未公开

架构

主干LLM

无 (视频扩散主干)

视觉编码器

—

动作头

逆动力学模型 (IDM) (视频world model)

动作块

未公开

控制频率

未公开

架构原文摘要

14B文本条件生成式视频扩散主干 + 逆动力学模型(IDM：Depth Anything主干 + 流匹配头，8帧滑动窗口)

训练

预训练加速器

未公开

预训练时长

未公开

预训练步数·批量

未公开

GPU·TPU-小时

未公开

微调

未公开 (用NEO机器人数据70小时进行具身微调)

数据类型

网络视觉-语言(文本条件网络视频) + 人类视频(第一人称) + 真实机器人(NEO日志)

数据规模

第一人称人类视频900小时；NEO机器人70小时；IDM用未过滤机器人数据400小时；网络视频规模未公开

主要数据集

内部第一人称视频，NEO传感运动日志

任务·评估

每项任务30次：分布内抓薯片约100%·浇水壶约80%，分布外倒麦片0%·绘画0%

机器人

1X NEO

推理

推理设备·速度

5秒视频生成约11 s + IDM约1 s，多GPU推理

推理显存

未公开

权重 bf16（计算）

未公开

运行位置

多GPU服务器

强化学习与底盘

强化学习

未使用 · 网络视频预训练 → 人类第一人称视频中期训练 → NEO日志微调(监督学习)。自身经验学习为未来目标

强化学习依据

https://www.1x.tech/discover/world-model-self-learning

底盘控制

固定 · 未提及行走·移动（IDM从生成视频中提取动作轨迹，双手操作任务）

备注

核心特点

由IDM从世界模型生成的视频帧之间提取动作的视频生成式策略。通过best-of-8并行生成，将抽纸成功率从30%提高到45%。

备注

1X 2026-01-12，TechCrunch 2026-01-13(二手)。数据时间(h)为最大单项(第一人称视频900小时)。主干是否为Transformer未公开(笔记为便于比较而归类)。后训练混合数据的98.5%为抓取·放置。

核验

已确认