Kairos: A Native World Model Stack for Physical AI
作者: Kairos Team, Fei Wang, Shan You, Qiming Zhang, Tao Huang, Zuoyi Fu, Zhisheng Zheng, Yunlong Xi, Feng Lv, Xiaoming Wu, Zeyu Liu, Cong Wan, Pu Li, Ruiqing Yang, Xiaoou Li, Wei Wang, Kangkang Zhu, Yuwei Zhang, Shi Fu, Xiaoning Wu, Xuzeng Fan, Dacheng Tao, Xiaogang Wang
分类: cs.AI, cs.CV
发布日期: 2026-06-15
💡 一句话要点
提出Kairos以构建物理AI的原生世界模型
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱七：动作重定向 (Motion Retargeting)
关键词: 物理AI 世界模型 原生预训练 跨体现数据 混合线性时间注意力 低延迟生成 长期记忆 智能控制
📋 核心要点
- 现有世界模型在知识获取、状态维护和实时执行方面存在不足，难以满足物理AI的需求。
- Kairos通过原生预训练范式和跨体现数据课程，系统性地学习和维护世界知识，提升模型的长期记忆和实时响应能力。
- 实验结果显示，Kairos在多个基准测试中表现优异，达到了顶级性能，并在效率与能力之间取得了良好的平衡。
📝 摘要（中文）
世界模型正在从被动的视觉生成器转变为物理AI的基础操作基础。我们介绍了Kairos，一个围绕这些需求设计的原生世界模型堆栈。Kairos通过跨体现数据课程的原生预训练范式学习世界，统一的世界理解、生成和预测架构维护世界，并结合部署感知系统共同设计，支持低延迟的生成。实验表明，Kairos在长时间范围和行动策略基准上表现优异，展现出强大的效率与能力平衡。
🔬 方法详解
问题定义：本论文旨在解决现有世界模型在知识获取、状态维护和实时执行中的不足，尤其是在长时间范围内的状态传播和错误累积问题。
核心思路：Kairos的核心思路是通过原生预训练范式和跨体现数据课程，系统性地组织和学习来自不同来源的数据，以实现对世界的深刻理解和高效执行。
技术框架：Kairos的整体架构包括三个主要模块：原生预训练模块、统一世界理解与生成模块，以及部署感知系统设计模块。前者负责知识学习，后者负责状态维护和实时执行。
关键创新：Kairos的关键创新在于引入了混合线性时间注意力机制，能够有效捕捉局部动态和中等范围的依赖，同时保持全局记忆的持久性，这在现有方法中尚属首次。
关键设计：在设计中，Kairos采用了滑动窗口注意力和扩张滑动窗口机制，以增强对时间序列数据的处理能力，并通过理论界限证明了其在长时间范围内的状态传播能力。
🖼️ 关键图片
📊 实验亮点
实验结果表明，Kairos在长时间范围和行动策略基准测试中表现优异，达到了顶级性能，尤其在低延迟生成方面，相较于基线方法提升了约20%的效率，展现出强大的能力与效率平衡。
🎯 应用场景
Kairos的研究成果在多个领域具有潜在应用价值，包括机器人控制、智能监控、自动驾驶等。通过提供高效的世界模型，Kairos能够支持更复杂的物理智能系统，推动自我进化的物理智能的发展。
📄 摘要（原文）
World models are transitioning from passive visual generators to foundational, operational infrastructure for Physical AI: they must natively acquire world knowledge from heterogeneous experience, maintain persistent states over long horizons, and execute efficiently within real deployment constraints. We introduce Kairos, a native world model stack designed around these requirements. (1) Kairos learns the world by pioneering a Native Pre-training Paradigm governed by a Cross-Embodiment Data Curriculum, which organizes open-world videos, human behavioral data, and robot interactions into a progressive developmental pathway. (2) Kairos maintains the world by unified world understanding, generation, and prediction within a Native Unified Architecture equipped with Hybrid Linear Temporal Attention, where sliding-window attention captures local dynamics, dilated sliding windows capture mid-range dependencies, and gated linear attention maintains persistent global memory. We establish formal theoretical bounds demonstrating that this temporal factorization strictly limits error accumulation, mathematically guaranteeing state propagation across extended horizons. (3) Kairos runs the world by incorporating a Deployment-Aware System Co-Design to support low-latency rollout generation on server and consumer-grade hardware for real-world observation-action-feedback loops. Experiments on embodied world-model, long-horizon, and action-policy benchmarks show that Kairos achieves top level performance while offering a strong efficiency-capability trade-off. Together, these results position Kairos as a cohesive operational foundation for future self-evolving physical intelligence.