1 月 8 日消息，如何讓機器人在任務指引和實時觀測的基礎上規(guī)劃未來動作是具身智能領域核心問題，其受“模態(tài)對齊”和“數(shù)據(jù)稀缺”制約。智元機器人團隊提出 EnerVerse 架構(gòu)，通過自回歸擴散模型（autoregressive diffusion），在生成未來具身空間的同時引導機器人完成復雜任務。

據(jù)介紹，不同于現(xiàn)有方法簡單應用視頻生成模型，EnerVerse 深度結(jié)合具身任務需求，創(chuàng)新性地引入稀疏記憶機制（Sparse Memory）與自由錨定視角（Free Anchor View, FAV），在提升 4D 生成能力的同時，實現(xiàn)了動作規(guī)劃性能的突破。

智元機器人官方稱，實驗結(jié)果表明 EnerVerse 不僅具備未來空間生成能力，更在機器人動作規(guī)劃任務中實現(xiàn)了當前最優(yōu)（SOTA）表現(xiàn)。從智元官方獲悉，目前項目主頁與論文《EnerVerse：設想機器人操作的具身未來空間》已上線，模型與相關數(shù)據(jù)集即將開源。

EnerVerse 主要科研成員來自智元機器人研究院具身算法團隊。論文共同一作黃思淵是上海交通大學與上海人工智能實驗室的聯(lián)培博士生，師從 CUHK-MMLab 的李鴻升教授。博士期間的研究課題為基于多模態(tài)大模型的具身智能以及高效智能體的研究。在 CoRL、MM、 IROS、ECCV 等頂級會議上，以第一作者或共同第一作者身份發(fā)表多篇論文。另一位共同一作陳立梁是智元機器人的具身算法專家，主要負責具身空間智能與世界模型的研究。