8月14日，智元機(jī)器人正式發(fā)布行業(yè)首個(gè)機(jī)器人世界模型開源平臺(tái)——Genie Envisioner（簡稱GE）。該平臺(tái)突破傳統(tǒng)“數(shù)據(jù)—訓(xùn)練— 評估”割裂的流水線模式，宣稱首次將未來幀預(yù)測、策略學(xué)習(xí)與仿真評估整合進(jìn)以視頻生成為核心的閉環(huán)架構(gòu)，使機(jī)器人能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。

據(jù)介紹，GE平臺(tái)通過構(gòu)建統(tǒng)一的視頻生成世界模型，將數(shù)據(jù)收集、模型訓(xùn)練、策略評估等分散環(huán)節(jié)集成到閉環(huán)系統(tǒng)中。其核心組件GE-Base經(jīng)超百萬條數(shù)據(jù)訓(xùn)練，可精準(zhǔn)解析環(huán)境空間布局與動(dòng)作意圖；GE-Act動(dòng)作解碼器則實(shí)現(xiàn)從“看懂”到“會(huì)做”的關(guān)鍵轉(zhuǎn)化；GE-Sim則將GE-Base的生成能力擴(kuò)展為動(dòng)作條件的神經(jīng)仿真器，通過層次化動(dòng)作條件機(jī)制實(shí)現(xiàn)精確的視覺預(yù)測。三大組件緊密協(xié)作，構(gòu)成完整的視覺中心機(jī)器人學(xué)習(xí)平臺(tái)。

依托約3000小時(shí)的真實(shí)機(jī)器人操控視頻數(shù)據(jù)，GE建立了從語言指令到視覺空間的直接映射，完整保留了機(jī)器人與環(huán)境交互的時(shí)空信息。

值得一提的是，由智元機(jī)器人主辦的智啟具身論壇近日在2025世界人工智能大會(huì)（WAIC）舉行。論壇上，智元機(jī)器人合伙人、具身業(yè)務(wù)部總裁姚卯青以飛機(jī)架構(gòu)為喻，形象解析了GE平臺(tái)的核心邏輯：“機(jī)身”GE-Base經(jīng)過海量機(jī)器人真機(jī)數(shù)據(jù)訓(xùn)練，具備長程、多視角的視頻生成能力；兩側(cè)的“雙翼”則分別指向World Action Model和Action-conditioned World Model。

在真實(shí)測試中，搭載GE-Act的機(jī)器人已能完成“做三明治”“倒茶”“擦桌面”等多項(xiàng)任務(wù)。