世界模型有望讓物理AI更進(jìn)一步

原標(biāo)題：機(jī)器人的“ChatGPT時(shí)刻”來臨？英偉達(dá)帶火世界模型，國內(nèi)廠商緊跟而上，谷歌也坐不住了！
文章來源：大數(shù)據(jù)文摘
內(nèi)容字?jǐn)?shù)：5817字

2025年：具身智能機(jī)器人賽道的“ChatGPT時(shí)刻”

2025年伊始，具身智能機(jī)器人賽道便迅速升溫。英偉達(dá)發(fā)布的Cosmos世界模型開發(fā)平臺(tái)，以及智元機(jī)器人研究院關(guān)于機(jī)器人4D世界模型的論文，都預(yù)示著“世界模型”成為行業(yè)焦點(diǎn)。谷歌也從OpenAI挖角，組建新團(tuán)隊(duì)加速研究模擬物理世界的人工智能模型，種種跡象表明，機(jī)器人領(lǐng)域的“ChatGPT時(shí)刻”或許即將到來。

1. 英偉達(dá)Cosmos：通用的世界基礎(chǔ)模型

英偉達(dá)推出的Cosmos旨在幫助開發(fā)者構(gòu)建定制化的世界模型。它是一個(gè)通用的世界基礎(chǔ)模型（WFM），能夠利用文本、圖像、視頻和動(dòng)作等數(shù)據(jù)生成和模擬虛擬世界，準(zhǔn)確模擬場(chǎng)景中物體的空間關(guān)系及其物理交互。Cosmos采用“先預(yù)訓(xùn)練再后訓(xùn)練”的范式，利用大規(guī)模數(shù)據(jù)集進(jìn)行預(yù)訓(xùn)練，再利用較小規(guī)模數(shù)據(jù)集進(jìn)行微調(diào)，從而更高效地構(gòu)建物理AI系統(tǒng)。其在2000萬小時(shí)的現(xiàn)實(shí)世界數(shù)據(jù)中訓(xùn)練了9000萬億個(gè)token，支持文本到世界或視頻到世界的生成，可用于合成數(shù)據(jù)增強(qiáng)訓(xùn)練數(shù)據(jù)集，并加速AI代理在虛擬世界的強(qiáng)化學(xué)習(xí)。

2. 智元機(jī)器人研究院的EnerVerse架構(gòu)

智元機(jī)器人研究院針對(duì)多模態(tài)對(duì)齊和數(shù)據(jù)稀缺問題，提出了EnerVerse架構(gòu)。這是一個(gè)自回歸擴(kuò)散模型，能夠在生成未來具身空間的同時(shí)引導(dǎo)機(jī)器人完成復(fù)雜任務(wù)。EnerVerse具有卓越的空間生成能力，在機(jī)器人動(dòng)作規(guī)劃任務(wù)中達(dá)到最優(yōu)表現(xiàn)，并能生成高質(zhì)量合成數(shù)據(jù)，減少對(duì)真實(shí)世界數(shù)據(jù)的依賴，實(shí)現(xiàn)模擬與現(xiàn)實(shí)的無縫過渡。尤其在長距離機(jī)器人操作任務(wù)方面表現(xiàn)突出。

3. 行業(yè)巨頭與初創(chuàng)公司的布局

除了英偉達(dá)和智元機(jī)器人，其他科技巨頭和初創(chuàng)公司也積極布局世界模型領(lǐng)域。OpenAI投資多家機(jī)器人公司，谷歌組建新團(tuán)隊(duì)研究模擬物理世界的人工智能模型。此外，一些新興公司如World Labs也致力于世界模型的研究，相信世界模型未來將廣泛應(yīng)用于機(jī)器人、自動(dòng)駕駛等領(lǐng)域。

4. 生成式AI的下一個(gè)里程碑

基于互聯(lián)網(wǎng)數(shù)據(jù)訓(xùn)練的生成式模型已改變文本、圖像和視頻內(nèi)容的創(chuàng)作方式。生成式模型的下一個(gè)里程碑是更逼真地模擬現(xiàn)實(shí)世界物理特性，對(duì)人類、機(jī)器人等交互主體的行動(dòng)做出響應(yīng)。2025年，隨著世界模型技術(shù)的不斷發(fā)展，這一里程碑或許將實(shí)現(xiàn)。

總而言之，世界模型正在成為具身智能機(jī)器人領(lǐng)域的關(guān)鍵技術(shù)，其發(fā)展將極大地推動(dòng)機(jī)器人技術(shù)的進(jìn)步，并為未來智能化社會(huì)帶來性的變化。

聯(lián)系作者

文章來源：大數(shù)據(jù)文摘
作者微信：
作者簡(jiǎn)介：普及數(shù)據(jù)思維，傳播數(shù)據(jù)文化