XM外汇官网APP获悉，智元智元机器人推出了面向真实世界机器人操控的机器世界模型平台——Genie Envisioner（GE）。与传统的布行“数据—训练—评估”模式不同，GE首次将未来帧预测、业首策略学习与仿真评估融合在以视频生成核心的个机闭环架构中，使机器人在同一模型下实现“看”、器人“想”、世界“动”的模型整合推理与执行。GE-Act基于3000小时的开源真实数据，显著提升了跨平台泛化和长时序任务的平台执行能力，为具身智能的智元发展提供了新的技术路径。
01
核心创新：
视觉中心的机器世界建模范式
GE的核心创新在于其视觉中心建模范式，直接在视觉空间中建模机器人与环境的布行交互，保留了空间结构和时序信息。业首这种方法带来了两个关键优势：
- 高效的个机跨本体泛化能力：GE-Act在新平台上只需1小时（约250个演示）的遥操作数据即可实现高质量任务执行，远超现有模型。通过在视觉空间学习的通用操控表征，模型能够快速适应不同平台。
- 长时序任务的精确执行能力：GE-Act在复杂的长时序任务中表现优异，如在纸盒折叠任务中，成功率达76%，而其他优化模型的表现均低于48%。这一能力得益于其未来时空预测和创新的稀疏记忆模块，帮助机器人保持关键历史信息，避免误差累积。
02
技术架构：三大核心组件
GE平台包括三个紧密集成的组件：
- GE-Base：多视角视频世界基础模型，通过自回归视频生成框架处理多个视角输入并保持空间一致性。基于约3000小时的真实数据，训练采用两阶段策略，确保模型对不同运动速度的鲁棒性。
- GE-Act：平行流匹配动作模型，拥有160M参数的轻量级架构，将GE-Base的视觉潜在表征转换为执行指令。其异步推理模式使得系统能够以200毫秒完成54步动作推理，实现实时控制。
- GE-Sim：层次化动作条件仿真器，将视觉预测扩展至动作条件，支持闭环策略评估。GE-Sim能够将低层控制指令转化为视觉预测，同时为策略优化提供高效的评估平台。
这三个组件相辅相成，共同构成了强大的视觉中心机器人学习平台。
EWMBench: 世界模型评测套件
为评估世界模型的质量，团队开发了EWMBench评测套件，采用多项指标全方位打分。与其他先进模型的对比中，GE-Base在视觉建模质量上取得最优成绩，验证了其可靠性。
发表评论