9/8，松延动力发布通用具身智能技术品牌 Scalabot，并推出 HERON 体系下的首个世界模型 HERON-World Model。该模型可将抽象的动作序列转换为可观看、可分析、可比较的视频，让机器人在未见过的环境中「先预演、后行动」，完成那些没有被明确教授过的任务。
一、用「预演」替掉「试错」
具身智能最贵的成本往往是试错：机器人撞一下、掉一下，既损耗硬件也拖慢进度。HERON 的思路是先在世界模型里把动作跑一遍、生成预期画面，再决定要不要真去做。把不确定性消化在「脑内彩排」阶段，落地时的成功率与安全性都会更高。
二、和「泛化」是同一道题
近期具身赛道密集出现世界模型（如京东 JoyAI-Echo WM、宇树所强调的泛化瓶颈），本质都在回答同一个问题：机器人能否把在一个场景学到的能力，迁移到另一个没见过的场景。HERON 用「视频化预演」给出了一条工程化路径——不只看当前帧，而是推演接下来几秒的世界会怎么变。
三、评估要看真实成功率
世界模型的价值不能只看演示流畅度，而要看三项硬指标：预演误差有多大、重规划要花多少延时、真实成功率能否随预演次数稳定抬升。先在工厂、药房、酒店等边界清晰的小场景跑通闭环，往往比一上来追求全自主更稳。