在日前举行的2026世界机器人大会期间，眸深智能联合创始人、首席科学家陈涛发表主题演讲，围绕“具身智能4.0：端侧原生的机器人世界运动模型”，系统分享眸深智能在机器人运动智能、三维空间感知、端侧部署与模型自进化等方向的最新探索。

  陈涛介绍，其团队自2019年起锚定机器人智能大脑赛道持续深耕，从基础动作生成起步，先后迭代MLD、MotionGPT、MotionChain、LL3DA等技术，研究边界不断拓展至长时序交互、三维环境解析，逐步搭建起“理解—生成—规划—执行”的闭环技术体系。在此积累之上，团队正式推出面向实体机器人的世界运动模型（World Motion Model）。

  区别于以语言预测为核心的传统大模型，该模型在next-token预测基础上，进一步拓展至对机器人本体隐式状态与后续动作的联合预测，打通环境认知、运动规划与动作生成之间的链路，探索构建服务于机器人本体的原生智能大脑。

  “具身智能的突破，不应一味追逐模型参数的膨胀，关键在于让模型读懂真实世界，并把认知转化为机器人可执行的运动。”陈涛表示。

  着眼机器人长期自我进化，团队研发T2VLA技术，依托模型自身置信度实现测试阶段强化学习，无需外部奖励信号即可自主完成策略调优。据团队介绍，该技术在多项公开机器人操作基准测试中，验证了跨硬件架构、跨应用场景的性能提升效果。

  陈涛认为，下一代机器人智能不能只靠训练阶段堆砌数据，更应具备在实际运行场景中自我迭代、持续优化的能力。

  “通用具身大脑最终要扎根实体机器人，走进工厂车间、融入日常生活。”陈涛表示，具身智能的下半场竞争，将更多聚焦于高质量数据储备、三维空间感知实力、端侧落地实效以及跨硬件的泛化适配能力。