“调度补丁”RISE落地，酷哇“一脑多态”战略迎来关键一跃

过去两年，世界模型被视为具身智能的“终极答案”之一。

但一个被行业有意无意忽略的问题是：当机器人在潜空间里“想象”未来时，它到底该想多久？

9月2日，酷哇科技（COOWA）正式发布自适应想象世界模型框架 RISE（Refining Imagination through SElective Rollout），给出了一个反直觉的答案——不是想得越多越好，而是该停就停。

这并非一次从零开始的架构革命，而是一次精准的“调度补丁”。但它对酷哇“一脑多态”战略的推进、对具身智能商业化落地的意义，可能比一次模型迭代要深远得多。

固定预算的“一刀切”，是行业级痛点

要理解RISE的价值，需要先看清此前的行业困境。

世界动作模型（WAMs）的核心逻辑是：智能体在执行动作前，先在潜在空间中“推演”未来的环境演变，通过评估动作后果来辅助决策。酷哇的CooWAIM 2.0和DAWN架构均基于此范式，在端到端自动驾驶和城市服务机器人场景中已验证了其有效性。

但一个结构性瓶颈始终存在：现有模型对所有场景分配固定帧数的想象预算。

这意味着，无论是凌晨空旷的城市主干道，还是早高峰人流密集的城中村路口，系统都在进行同等深度的推演。对简单场景，过度推演不仅无法提升规划质量，反而徒增推理延迟；对复杂交互场景，固定深度又往往不足以解析多方的博弈关系。

酷哇团队在论文中给出了一组直观数据：在NAVSIM测试集中，有1248个极简场景在零推演下表现最佳，强行增加推演反而导致规划质量从89.9掉落至88.4；而在涉及密集行人流和穿插车辆的复杂路口，超过6000个场景极度依赖3帧以上的深层预测，推演深度从0加到4，规划质量从88.5提升至91.1。

没有任何单一固定推演深度是万能的。​ 这是RISE要解决的核心问题。

RISE的本质：给世界模型装上“物理直觉”

RISE的核心创新，在于将“全局规划”转化为灵活的“序列化决策”。它不预设最终的推演深度，而是在每一步推演后，由轻量级调度器实时评估是否继续。

这套机制包含两个关键组件：

潜在评估器：在隐空间推演的每一步，动态预估当前序列已揭示的风险曲线，并预测继续推演带来的“预期规划增益”。

推演门控：将“预期规划增益”与“继续推演的算力成本”进行实时量化权衡。仅当收益大于成本时继续推演，否则停止并将当前序列送入规划器。

这带来了极具仿生学意义的“见机行事”——推演的有效深度不再是人工预设的超参数，而是从一次次Roll/Stop决策中自然涌现的结果。

效果如何？在NAVSIM v1和v2基准测试中，RISE分别取得91.5 PDMS和90.8 EPDMS的成绩，超越此前最强基线0.8和0.9个百分点。更关键的是效率指标：单次推理平均仅2.40次推演迭代，平均延迟287毫秒。作为对照，随机停止策略延迟虽低（264ms）但规划质量仅89.5；隐空间收敛判停策略延迟更高（309ms）且质量仅89.7。RISE以287ms的延迟实现了90.8的最高规划质量。

CounterDrive：补齐危险感知的“最后一块拼图”

调度器要做出正确决策，前提是模型能准确识别什么是危险。但真实驾驶日志大多记录的是人类安全通过的“单一结局”，缺乏事故长尾数据。

酷哇的解决思路颇具创新性：构建 CounterDrive反事实数据集。团队基于VLM构建场景描述，运用AIGC技术在真实场景起始帧基础上，大规模生成追尾、违规变道等“平行宇宙”中的危险场景结局，每条数据均经过专家验证和精准标注。

最终沉淀了来自nuScenes的2432条训练/511条测试片段，以及来自NAVSIM的5013条训练/1000条测试片段。实验显示，接入CounterDrive后，模型在1～4秒各时间窗的风险识别AUC均提升至0.93以上，事故识别准确率达0.96——而未经训练的模型AUC仅在0.49~0.52之间徘徊。

这为系统在临界状态下及时响应提供了“直觉保障”，也是RISE能在复杂城市场景中安全运行的关键底座。

“插件式”升级路径，验证通用潜力

值得关注的是，RISE调度器对酷哇已有架构是插件式兼容的。研发团队将RISE调度器接入前代DAWN架构，全程未修改Predictor与Planner的底层逻辑，验证结果显示DAWN的PDMS得分从89.1提升至90.3，自车进展（EP）与碰撞时间（TTC）分别提升2.7分与2.3分。

这一结果传递了两个信号：

第一，RISE不是推倒重来，而是存量系统的低成本换代。​ 对酷哇而言，这意味着已部署的万台级终端可以通过软件升级获得能力提升，而不需要硬件重构。

第二，动态算力调度机制具备跨架构的通用潜力。​ 这为行业提供了一个可复用的技术范式——不必重新训练整个世界模型，只需引入自适应调度模块，就能显著改善规划质量与推理效率。

赋能“一脑多态”，酷哇的底层逻辑

技术的最终归宿在于商业落地。酷哇科技成立于2015年，目前聚焦共享出行、市政环卫、零售配送、物业服务四大场景，构建了涵盖轮式机器人、四足机器狗及泛人形机器人的产品矩阵。其“一脑多态”战略要求一套高泛化能力的具身大脑，能灵活适配多种物理形态。

RISE的资源调度机制，为这一战略提供了关键的技术支撑：

轮式底盘与小巴：常规路况保持低延迟低功耗，释放边缘算力；复杂博弈时精准调用算力拉长推演深度。算力的精细化管理将大幅降低量产车型的硬件预埋成本。

足式与泛人形终端：四足机器人在非结构化地形中，关节力矩计算对延迟极其敏感。RISE允许机器狗在平整路面节省算力，面对台阶或散落物时启动短时隐空间推演预判物理接触面反馈，提前规避失稳风险。

从更宏观的视角看，RISE的发布标志着酷哇的世界模型技术从“能推演”迈入了“会分配算力”的新阶段。

在具身智能行业普遍面临“Demo惊艳但规模化落地困难”的当下，这种对算力效率和安全边界的精细化管控，可能正是从技术叙事走向商业运营的关键一步。

酷哇科技已同步开源了RISE的论文、代码与CounterDrive数据集。

在“世界模型进入自适应时代”的叙事下，这家公司正在用工程化的方式，推动具身智能真正融入城市脉络。