Genie Envisioner 是智元推出的首個機(jī)器人世界模型開源平臺。平臺通過一個統(tǒng)一的視頻生成框架，集成策略學(xué)習(xí)、評估和仿真功能。核心組件包括 GE-Base（大規(guī)模指令條件視頻擴(kuò)散模型）、GE-Act（動作軌跡解碼器）、GE-Sim（神經(jīng)仿真器）和 EWMBench（標(biāo)準(zhǔn)化基準(zhǔn)測試套件）。平臺支持跨機(jī)器人形態(tài)的策略泛化，助力機(jī)器人在復(fù)雜任務(wù)中實(shí)現(xiàn)精準(zhǔn)操作，推動具身智能的發(fā)展，為機(jī)器人技術(shù)研究和應(yīng)用提供強(qiáng)大支持。

Genie Envisioner的主要功能

策略學(xué)習(xí)：基于 GE-Base 捕捉機(jī)器人與環(huán)境交互的動態(tài)，生成用在動作決策的策略。

動作生成：將潛在空間的表示映射為可執(zhí)行的動作軌跡，支持多種機(jī)器人形態(tài)。

仿真支持：提供高保真度的仿真環(huán)境，用于策略的閉環(huán)測試和優(yōu)化。

性能評估：提供標(biāo)準(zhǔn)化的基準(zhǔn)測試，衡量視覺保真度、物理一致性和指令-動作對齊。

Genie Envisioner的技術(shù)原理

GE-Base：GE-Base 是大規(guī)模的指令條件視頻擴(kuò)散模型，能捕捉機(jī)器人交互的空間、時間和語義動態(tài)。將復(fù)雜的機(jī)器人交互表示在結(jié)構(gòu)化的潛在空間中，便于后續(xù)處理。

GE-Act：GE-Act 用輕量級的流匹配解碼器，將潛在空間的表示映射到可執(zhí)行的動作軌跡。支持在多種機(jī)器人形態(tài)之間進(jìn)行策略遷移，僅需少量監(jiān)督信號。

GE-Sim：GE-Sim 是基于動作條件的神經(jīng)仿真器，用在生成高保真度的回放。支持在虛擬環(huán)境中進(jìn)行策略開發(fā)和優(yōu)化，減少物理實(shí)驗(yàn)的需求。

EWMBench：EWMBench 提供一套標(biāo)準(zhǔn)化的測試套件，用在衡量模型的視覺保真度、物理一致性和指令-動作對齊程度。幫助研究人員和開發(fā)者評估和優(yōu)化模型性能。

Genie Envisioner的項(xiàng)目地址

項(xiàng)目官網(wǎng)：https://genie-envisioner.github.io/

GitHub倉庫：https://github.com/AgibotTech/Genie-Envisioner

arXiv技術(shù)論文：https://arxiv.org/pdf/2508.05635

Genie Envisioner的應(yīng)用場景

工業(yè)自動化：在工廠生產(chǎn)線上，幫助機(jī)器人更精準(zhǔn)地完成復(fù)雜的裝配、搬運(yùn)和質(zhì)量檢測任務(wù)，提高生產(chǎn)效率和產(chǎn)品質(zhì)量。

物流與倉儲：用在物流中心的貨物分揀和搬運(yùn)，機(jī)器人根據(jù)指令快速識別和處理不同形狀和大小的物品，優(yōu)化物流流程。

服務(wù)機(jī)器人：在餐廳、酒店或家庭環(huán)境中，賦予機(jī)器人理解和執(zhí)行人類指令的能力，提供更智能的服務(wù)，如送餐、清潔和物品遞送。

醫(yī)療輔助：在醫(yī)療場景中，機(jī)器人進(jìn)行手術(shù)輔助、康復(fù)訓(xùn)練或藥品配送，提升醫(yī)療服務(wù)的精準(zhǔn)度和效率。

教育與研究：為高校和研究機(jī)構(gòu)提供強(qiáng)大的實(shí)驗(yàn)平臺，支持機(jī)器人學(xué)習(xí)、人工智能和具身智能的研究，推動相關(guān)技術(shù)的發(fā)展。

[超站]友情鏈接：

四季很好，只要有你，文娛排行榜：https://www.yaopaiming.com/
關(guān)注數(shù)據(jù)與安全，洞悉企業(yè)級服務(wù)市場：https://www.ijiandao.com/