物理AI开发平台
一个基模，跨本体，跨任务
SYNWorld 是百亿参数级具身世界基础模型，基于亿级高质量样本训练，具备极致的通用模型能力，仅需数十条样本即可实现跨任务、跨本体极速适配。
参数具身原生世界基础模型
数据覆盖互联网视频、具身Ego 与UMI 的高质量训练样本
样本即可实现跨本体、跨任务快速适配
跨本体 · 跨任务 · 全模态 · 快速迁移
全模态统一建模，理解与生成一体
SYNWorld 以全模态统一基模为核心，融合视觉、触觉、力觉、语言、系统状态和动作等信息，将环境理解、未来预测、动作生成、价值判断与任务进度统一建模，形成“理解—生成—执行”的具身智能闭环。
多视角图像、触觉、力觉和动作等模态信息，分别通过独立编码器进行表征，映射至统一表征空间，并利用 MoT 实现跨模态交互与协同建模。
将场景理解、世界预测、逆动力学、动作生成、价值判断和任务进度预测纳入统一训练，通过多任务协同与能力迁移，提升模型对环境、动作和任务目标的综合理解。
原生支持针孔相机与鱼眼相机，通过三维几何对齐融合头部、末端等多源视角，实现统一的全局空间建模。
协同设计数据体系、模型架构、AI 基建，支撑数据规模、模型能力持续 Scaling，并形成：
SYNAction 以 SYNWorld-WAM（World Action Model）为预训练基座模型，通过训练数据生成、后训练与策略优化、分层评测调优，持续提升策略模型在不同具身任务与场景中的执行效果。
将经过清洗、切分与标注的多模态与 Action 数据，组织为版本化训练数据，确保可追溯、可复现
支持监督微调、DAgger、离线／在线强化学习，以及全参数、LoRA、Adapter 等参数更新方式
结合训练曲线、评测结果与失败轨迹定位瓶颈，推荐下一轮数据配方与训练配置
以评促训，全域评测基建能力
SYNEval 离线评测、仿真与真机闭环评测，以评测和奖励反馈服务于模型择优、强化学习与发布验证
分层评测能力
基于独立评测集完成回归测试与版本对比
基于 SYNWorld-ACWM（Action Conditioned World Model），以策略模型的动作输出为 Condition，生成未来观测以及任务进度，减少真机资源消耗，并服务于强化学习迭代
对于仿真预筛通过的模型，基于规模化真机，利用 VLM 奖励反馈对齐真机和优化策略
