在复杂的城市场景中，HERMES 不仅能准确预测未来三秒的车辆与环境动态（如红圈中标注的货车），还能对当前场景进行深度理解和问答（如准确识别出 “星巴克” 并描述路况）。
最近 AI 界的大新闻是 GPT-5 和谷歌的世界模型 Genie 3。然而，在无人在意的角落里，微软悄悄把 Edge 进化成了了 AI 浏览器。
具身智能「大脑」，更准确地，以「世界模型」为内核的具身智能「大脑」会成为 AI 下一阶段竞争焦点吗？ 上世纪九十年代，「世界模型」思想雏形初现，之后几十年被不断强化、延伸，直到 ChatGPT 引爆 AI 新浪潮、Sora 问世、大模型落地成主流、具身智能迎来新纪元……「世界模型」或是通往「类人智能」的解法被视为新的业界共识。
老黄看好机器人，还真不是嘴上说说！ 这不，就在正在举办的SIGGRAPH（计算机图形学）大会上，英伟达为机器人带来了全新升级的Cosmos世界模型。
中国自研世界模型Matrix-3D只需单张图就能生成可自由探索的3D世界，不仅效果对标李飞飞的World Labs，而且还能实现更大范围的探索空间，率先进入AI理解世界的前沿领域。
谷歌最新发布的Genie 3世界模型，正以惊人AI能力颠覆想象：从文本生成交互式空间，到进入经典名画如《苏格拉底之死》和《夜游者》自由探索，甚至训练3D模型实现沉浸式体验！
全网疯玩Genie3，惊叹：这才是真正的大世界！距离上一代Genie2，才刚刚过去7个多月，谷歌世界模型就像开了倍速进化
只需一句话，就能生成可实时交互的3D世界。 刚刚，谷歌DeepMind发布了新一代通用世界模型Genie 3。
老黄曾预言，每个像素都将由AI生成！刚刚，谷歌DeepMind放出的「通用世界模型」Genie 3，一句话即生720p实时模拟世界，1分钟视觉记忆一致性超高。刚刚，谷歌DeepMind祭出新一代通用世界模型——Genie 3，能模拟出史无前例的丰富交互环境。
2018 年，LSTM 之父 Jürgen Schmidhuber 在论文中（ Recurrent world models facilitate policy evolution ）推广了世界模型（world model）的概念，这是一种神经网络，它能够根据智能体过去的观察与动作，预测环境的未来状态。
