IT之家 8 月 15 日消息，智元機(jī)器人昨天通過(guò)公眾號(hào)宣布，推出行業(yè)首個(gè)面向真實(shí)世界機(jī)器人操控的統(tǒng)一世界模型平臺(tái) --- Genie Envisioner(GE)。

　　根據(jù)官方介紹，不同于傳統(tǒng)“數(shù)據(jù) — 訓(xùn)練 — 評(píng)估”割裂的流水線模式，GE 將未來(lái)幀預(yù)測(cè)、策略學(xué)習(xí)與仿真評(píng)估首次整合進(jìn)以視頻生成為核心的閉環(huán)架構(gòu)，使機(jī)器人在同一世界模型中完成從“看”到“想”再到“動(dòng)”的端到端推理與執(zhí)行。基于 3000 小時(shí)真機(jī)數(shù)據(jù)，GE-Act 不僅在跨平臺(tái)泛化和長(zhǎng)時(shí)序任務(wù)執(zhí)行上顯著超越現(xiàn)有 SOTA，更為具身智能打開了從視覺理解到動(dòng)作執(zhí)行的全新技術(shù)路徑。

　　IT之家附開源有關(guān)鏈接：

　　Project page：https://genie-envisioner.github.io/

　　Arxiv：https://arxiv.org/abs/2508.05635

　　Github：https://github.com/AgibotTech/Genie-Envisioner

　　GE 平臺(tái)通過(guò)構(gòu)建統(tǒng)一的視頻生成世界模型，將這些分散的環(huán)節(jié)集成到一個(gè)閉環(huán)系統(tǒng)中。基于約 3000 小時(shí)的真實(shí)機(jī)器人操控視頻數(shù)據(jù)，GE 建立了從語(yǔ)言指令到視覺空間的直接映射，保留了機(jī)器人與環(huán)境交互的完整時(shí)空信息。

　　基于強(qiáng)大的視覺空間預(yù)訓(xùn)練，GE-Act 僅需極少量數(shù)據(jù)即可實(shí)現(xiàn)跨平臺(tái)遷移。在 Agilex Cobot Magic 和 Dual Franka 等全新機(jī)器人平臺(tái)上，GE-Act 僅使用 1 小時(shí)(約 250 個(gè)演示)的遙操作數(shù)據(jù)就實(shí)現(xiàn)了高質(zhì)量的任務(wù)執(zhí)行。

　　智元方面表示，團(tuán)隊(duì)將開源全部代碼、預(yù)訓(xùn)練模型和評(píng)測(cè)工具。GE 通過(guò)視覺中心的世界建模，為機(jī)器人學(xué)習(xí)開辟了新的技術(shù)路徑。GE 的發(fā)布，標(biāo)志著機(jī)器人從被動(dòng)執(zhí)行向主動(dòng)‘想象 — 驗(yàn)證 — 行動(dòng)’的轉(zhuǎn)變。未來(lái)，將擴(kuò)展更多傳感器模態(tài)，支持全身移動(dòng)與人機(jī)協(xié)作，持續(xù)推動(dòng)智能制造與服務(wù)機(jī)器人的落地應(yīng)用。

人形機(jī)器人運(yùn)動(dòng)會(huì) 首程...

最后一頁(yè)