Anthropic研究：机器人技术上可完成美国74%的体力任务，但具成本优势的仅占0.3%

Magic-W0 是一个结构化世界-动作基础模型，联合建模物理状态演化和连续动作生成。该预印本论文显示，模型在 RoboDojo-Sim 上平均 Score 达到 27.10，位居所有对比 WAM 之首，并在五个真机任务上平均成功率 94.6%，超过 π0.5 的 91.8%。其通过 Current 3D Geometry、3D Motion 和 Future Semantics 显式编码当前状态、动作引起的三维转移和未来语义，为机器人策略提供更强的预测与泛化能力。

Magic-W0 提出 Structured World Transition，将环境演化组织为 Current State（VLM 上下文 + Current 3D Geometry）、Transition（3D Motion）和 Future State（Future Semantics）。采用层对齐联合注意力架构，使 3D 流、语义流和动作专家在 24 层网络中多次交换信息，实现 action-conditioned world transition 与 world-informed action generation。模型在约 201.4 万条来自人类自我中心、UMI、真机和仿真数据上预训练，通过 34 维统一状态-动作接口处理跨具身差异，并使用冻结的 Track4World 和 DINOv3 提供几何、运动和语义潜在监督。