近期全球AI世界模型赛道迎来密集突破,各类新款模型集中亮相。大晓机器人携手南洋理工大学S-Lab,推出全新可交互物理世界模型Mundo。这款国产模型补齐行业核心短板,让虚拟AI场景真正适配机器人实体训练。
全球顶尖科技企业近期接连放出重磅成果。谷歌DeepMind上线Genie 4世界模型,实现每秒24帧实时生成画面,单帧延迟压缩至40毫秒,还能维持两分钟的超长场景连贯记忆。李飞飞团队研发的Atlas模型,三维场景还原效果逼真细腻。一众海外模型的视觉渲染能力,已经做到以假乱真的地步。
有网友认为,海外AI画面渲染遥遥领先,行业话语权依旧稳固。
也有网友表示,好看的画面没有实用价值,贴合物理规律才能落地实体经济。
行业内部早已出现明显的技术瓶颈。现有主流世界模型,主打视觉画面生成,擅长搭建高颜值虚拟场景。所有场景只适合观看展示,没有底层物理运算逻辑。机器人进入这类虚拟空间训练,无法识别重力、碰撞、摩擦等基础规则。设备触碰物体、移动物件、完成实操任务时,会出现动作错乱、逻辑偏差的问题。华丽的虚拟场景,无法转化为机器人的真实作业能力,严重制约具身智能产业发展。
Mundo模型的问世,精准解决行业核心痛点。这款模型打破纯视觉生成的局限,将3D场景重建、物理仿真运算、动态视频生成三种能力融为一体,搭配Astra空间理解技术,打造出可探索、可操作、可训练的真实虚拟世界。
它的实操落地能力十分亮眼。工作人员只需用手机拍摄1至12张室内照片,模型就能快速重构完整三维空间。拍摄覆盖的区域,精准还原房间原有布局。镜头没有拍到的死角区域,系统会根据整体结构自动补全生成。酒店客房实测数据可以直观体现精度提升,场景3D框边缘误差从最初72.3像素,迭代校准后降至1.9像素,还原精度大幅拉满。
办公室场景测试能直观看到物理仿真的优势。工作人员通过Python代码下达指令,模型可以精准模拟抽屉滑动开启的动作。抽屉弹出后,放置的苹果顺势滚落撞击显示器,完整还原真实世界的碰撞、位移、受力逻辑。每一个动作都遵循物理规则,和现实场景的运行状态完全匹配。
这也是它和传统AI模型最大的区别。传统世界模型拼的是画面逼真度。全新的Mundo模型拼的是物理真实性。虚拟场景不再是静态画面,而是一套有规则、有逻辑、可交互的训练环境。机器人在其中反复实操训练,积累的能力可以直接适配真实场景作业。
目前这项技术已经走出实验室,完成商业酒店实景测试。整套技术体系落地成熟,后续会逐步应用到国内头部连锁酒店场景,赋能服务机器人自主作业。
世界模型的竞争逻辑已经彻底改写。视觉渲染只是入门能力,物理仿真才是下半场决胜的核心关键,国产AI已经抢占先机。