一家此前鲜为人知的公司，凭借一款机器人世界模型，悄然登顶多项行业基准测试。它就是黎曼动力（Riemann Dynamics）发布的 Riemann-1.0，背后站着的是A股上市公司 昆仑万维。
Riemann-1.0的独特之处在于其训练数据构成：在总计 23.2万小时 的训练数据中，占绝对大头的并非机器人操作数据，而是 人类第一视角视频。这些视频记录了人类日常生活中的各种操作——做饭、叠衣服、整理房间等，模型从中学习人类如何感知环境、规划动作并处理意外。
从人类视频到机器人可执行的控制能力，中间横亘着一个核心难题：人类视频里没有机器人动作标签。人叠衣服的视频看得再多，机器人手臂该转多少度、夹爪该用多大力，视频中并无标注。黎曼动力的团队为此构建了一套完整的 数据处理流水线：先用视觉语言模型（VLM）将长视频切割为细粒度动作片段，并为每段配上任务描述、动作指令、场景和物体信息；接着进行六类废片过滤（画面中人太多、动作无意义、遮挡严重、任务未完成、非第一视角、手部出画面等）；然后通过手部姿态重建和相机位姿估计，将手的运动轨迹换算到世界坐标系并做平滑处理；最后按场景、任务、动作、技能、物体五个层级分类，均衡配比，防止模型偏食。这套流水线将海量“人类干活录像”转化为机器人能读懂的“动作教材”。
架构上，Riemann-1.0基于扩散架构，提出了 全因果动作-视频联合建模框架，将视觉动态、环境状态和机器人动作序列放入同一个生成过程中统一学习。模型不仅知道“眼前看到了什么”，还在学习“动作会如何改变环境，以及下一刻世界可能变成什么样”。为了让同一个模型适配 41种不同形态的机器人本体，Riemann-1.0设计了本体专属的动作映射模块，试图打造一个负责理解环境、预测变化的“通用世界大脑”，再通过不同机器人的动作适配器将这种理解转化为具体执行能力。
在基准测试中，Riemann-1.0的表现验证了这条技术路线的有效性。在专门考察长序列家务能力的 RoboCasa-365 上，模型从头训练成功率为38.2%；加入机器人数据预训练后升至43.4%，提升5.2个百分点；再加入UMI数据后达到48.2%，又提升4.8个百分点。团队指出，人类数据带来的远不止“更多训练样本”，它给模型灌输了更丰富的物体交互方式、动作语义和任务先验，直接抬高了模型在未见场景中的泛化上限。在专为双灵巧手人形机器人设计的 EgoVLA基准测试 中，仅比较是否加入人类视频预训练，结果同样显著。
上岗前，团队还为模型安排了针对真实落地场景的专项后训练，搭建了四类代表性家务考场：有序积木堆叠（考精准操控和指令理解）、柔性布料折叠（考形变物体交互）、桌面杂物整理和厨房餐具收纳（考杂乱环境下的长流程连续操作）。参与对比的开源基座模型使用相同数据和训练步数。结果 Riemann-1.0平均成功率达85.00%，过程完成度（衡量长流程中间步骤推进的指标）为 94.43%，两项均排名第一，领先最好的开源模型 15个百分点。
昆仑万维此前在AI游戏、AI音乐、AI短剧等内容赛道多有布局，此次通过子公司黎曼动力切入具身智能领域，标志着其正式将AI能力延伸至物理世界。在同期举办的《世界模型与多模态范式跃迁》论坛上，昆仑万维还亮相了另外两款模型，显示出其在多模态与具身智能方向的系统性布局。Riemann-1.0的成功，也进一步验证了行业正在形成的训练范式：先用大规模开放世界视频做预训练，让模型看遍人类与物理世界的交互，积累物理直觉；再用少量真实机器人数据做动作对齐，将直觉翻译为可执行的控制信号。