一、从像素信息中提取与任务相关的概念

摄像头记录的是像素，传感器记录的是连续数值，但任务通常以物体、位置、状态和目标来描述。机器人看到一扇门时，需要进一步理解门的位置、开合状态、把手结构、运动方向以及周围是否存在障碍。
概念世界模型尝试把复杂观测转换为更接近任务的内部表示。这种“概念”不一定是人工写入的标签，也可能是模型从多模态数据和交互反馈中学习得到的潜在结构。

二、物体与空间：环境中有什么，它们在哪里

物体表征不仅包括类别，还可能包含形状、尺寸、姿态、材质、可操作区域和当前状态。空间表征则描述物体之间的距离、方向、遮挡、接触和可通行关系。
对行动系统而言，空间关系往往比单纯识别类别更重要。知道“这是一个箱子”只是第一步，系统还需要判断箱子是否能通过通道、能否放上货架，以及移动过程中是否会与其他物体碰撞。

三、状态与动作：世界如何因为行动发生变化

世界模型需要描述环境当前状态，并建立动作与状态变化之间的联系。推、拉、旋转、抓取和移动会产生不同结果，同一动作在不同位置、力度和约束下也可能导致不同后果。
模型可以根据当前状态和候选动作预测未来状态，再将预测结果与任务目标比较。例如，机械臂可以在执行前评估多个抓取点，选择更稳定、碰撞风险更低的方案。

四、因果与目标：不仅预测变化，还要支持决策

时间上的连续变化并不一定代表因果关系。概念世界模型需要尽可能识别哪些因素真正影响结果：杯子倾倒是因为受力和支撑关系发生变化，而不是因为画面颜色改变。
同时，预测必须服务于目标。机器人可以想象多种未来，但只有与任务、安全和资源约束结合，才能选择下一步行动。因果理解和目标评估使世界模型从环境预测进一步走向决策支持。

五、从概念建模到真实世界行动

西湖数智以概念世界模型为核心技术方向，强调在隐空间中建模物体、空间、状态、动作和因果变化，并通过预测与行动控制形成闭环。相比只追求画面复现，这一路线更关注哪些信息真正影响行动结果。
概念世界模型的长期价值，在于让不同机器人、车辆和智能硬件共享对物理规律的理解。但从通用表征到具体设备仍需进行传感器、控制器、安全边界和任务流程适配，并在真实场景中持续验证。