王鹏伟称当前世界模型只学到了片面的世界

智源研究院王鹏伟认为，当前世界模型多以语言、像素、三维结构或视觉表征单点建模，因此只学到了片面的世界。他介绍，Orca采用Next State Prediction，从多模态信号学习状态并预测前后演化；其预训练数据包括约12.5万个小时的视频、约130m事件级状态转移数据及因果VQA和通用VQA，未使用action数据。