IT之家 8 月 15 日消息，智元机器人昨天通过公众号宣布，推出行业首个面向真实世界机器人操控的统一世界模型平台 ---Genie Envisioner（GE）。
根据官方介绍，不同于传统“数据 — 训练 — 评估”割裂的流水线模式，GE 将未来帧预测、策略学习与仿真评估首次整合进以视频生成为核心的闭环架构，使机器人在同一世界模型中完成从“看”到“想”再到“动”的端到端推理与执行。基于 3000 小时真机数据，GE-Act 不仅在跨平台泛化和长时序任务执行上显著超越现有 SOTA，更为具身智能打开了从视觉理解到动作执行的全新技术路径。
IT之家附开源有关链接：Project page：https://genie-envisioner.github.io/Arxiv：https://arxiv.org/abs/2508.05635Github：https://github.com/AgibotTech/Genie-Envisioner
GE 平台通过构建统一的视频生成世界模型，将这些分散的环节集成到一个闭环系统中。基于约 3000 小时的真实机器人操控视频数据，GE 建立了从语言指令到视觉空间的直接映射，保留了机器人与环境交互的完整时空信息。
基于强大的视觉空间预训练，GE-Act 仅需极少量数据即可实现跨平台迁移。在 Agilex Cobot Magic 和 Dual Franka 等全新机器人平台上，GE-Act 仅使用 1 小时（约 250 个演示）的遥操作数据就实现了高质量的任务执行。
智元方面表示，团队将开源全部代码、预训练模型和评测工具。GE 通过视觉中心的世界建模，为机器人学习开辟了新的技术路径。GE 的发布，标志着机器人从被动执行向主动‘想象 — 验证 — 行动’的转变。未来，将扩展更多传感器模态，支持全身移动与人机协作，持续推动智能制造与服务机器人的落地应用。返回
[ 此帖被jjybzxw在2025-08-15 09:14重新编辑 ]
