伯克利&Meta面向具身智能的世界模型：让AI通过全身动作「看见」未来
伯克利&Meta面向具身智能的世界模型：让AI通过全身动作「看见」未来几十年来，人工智能领域一直在思考一个看似简单但非常根本的问题： 如果一个智能体要在真实世界中行动、规划，并且和环境互动，它需要一个怎样的「世界模型」？
来自主题: AI技术研报
7655 点击 2025-07-01 15:01
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
几十年来，人工智能领域一直在思考一个看似简单但非常根本的问题： 如果一个智能体要在真实世界中行动、规划，并且和环境互动，它需要一个怎样的「世界模型」？
JEPA-2（V-JEPA 2）是Meta最新推出的视频世界模型，采用视图嵌入预测（Joint Embedding Predictive Architecture）框架进行自监督预训练。
近年来，随着人工智能从感知智能向决策智能演进，世界模型 （World Models）逐渐成为机器人领域的重要研究方向。世界模型旨在让智能体对环境进行建模并预测未来状态，从而实现更高效的规划与决策。
我们先来回顾一下近期相关事件： 6 月 18 日，Midjourney 发布首个 AI 视频生成模型 V1，标志其从静态图像创作向动态多媒体内容生产转型。V1 支持上传或用其他模型生成图像来生成视频片段，但有无法生成音频、时长限制等不足。Midjourney 透露长期目标是将多种技术融合为"世界模型"，使用户能在动态生成的虚拟环境中自由探索。
一个真实世界模拟器。
医学世界模型（MeWM）是一种创新的AI系统，能够模拟疾病演变并预测不同治疗方案下的肿瘤变化。通过生成术后肿瘤图像，可以帮助医生在术前评估治疗效果，优化治疗方案，显著提升临床决策的准确性，为精准医疗提供了有力支持。
本文主要作者是 Bytedance Pico 北美高级研究员胡涛博士，近年来研究领域包括3D 重建与 4D 场景和视频生成，致力于得到一种最佳的物理世界表示模型。
让网页智能体自演进突破性能天花板！
越通用，就越World Models。 我们知道，大模型技术爆发的原点可能在谷歌一篇名为《Attention is All You Need》的论文上。
三维场景是构建世界模型、具身智能等前沿科技的关键环节之一。