AWE 3.5：把世界模型带进线束装配，具身 Scaling 开始考验数据效率

它石智航在 2026 年 WAIC 展示了 1:1 还原的环形线束流水线：多台机器人协作轮转线束板，不同工位同时装配不同线型。报道把线束称为工业自动化的「深水区」，并将 AWE 3.5 介绍为支撑这条演示产线的具身原生基座模型。1

AWE 3.5 从预训练阶段一起学习视觉、语言和动作。同一套模型切换输入输出组合：视觉到动作是 Base Policy，负责制定策略、发出指令；以动作为条件预测未来视觉，则是 Action Condition World Model，负责预测环境变化。两者接起来，才有了在模型内部试错、再把策略交给真机的强化学习闭环。1

报道举的例子是拉拉链：同一个动作，力度和位置稍有变化就可能卡住。AWE 3.5 试图用世界模型预测不同动作的后果，再把更好的策略交给 Base Policy，减少真机反复试错的成本。它石还称，AWE 3.5 依托 human-centric 数据强化了长时记忆和长时序空间理解，使连续交互过程更稳定。1

文章给出的口径是：训练数据已超过百万小时；新任务只需小时级数据采集，就能做到「大致可用」。线束之外，柔性操作、分拣、检测协同等工业场景也在验证中。这里的关键不只是把数据继续堆大，而是从大量数据里筛出真正有用的交互，并让数据、模型和 Infra 形成可迭代的反馈回路。1

本帖配图中的机器人作业图和产线图来自原文素材；图内的关系图与数字卡是基于报道重绘。AWE 3.5 的「第一家完整跑通」和现场效率判断，仍属于媒体与企业披露口径，不等于独立第三方测试。