Meta AI
V-JEPA 2-AC
冻结预训练视频编码器后，在其表征之上另行训练的动作条件预测器。
一份持续生长的中文资料
世界模型，
从这里读懂。
读文章，理解概念与进展。
查模型，找到具体接口与原始来源。
文章选读
全部阅读 从一个问题开始
模型选读
从这些模型，认识不同方向
不同研究路径的阅读入口，兼顾近期进展。
Google DeepMind
Genie 3
根据文本提示生成可实时导航的动态世界。
World Labs
Marble
从多种输入生成 3D 世界，并支持交互编辑、扩展和组合。
NVIDIA
Cosmos 3
联合处理和生成语言、图像、视频、音频及动作序列的世界模型家族。
Google DeepMind
Genie 4
实时生成带原生音频的交互式世界。
Wayve
GAIA-4
让 AI Driver 参与闭环模拟的 GAIA 世界模型。
按研究方向选读，不代表能力排名。
查看全部模型- Google DeepMind 发布 Genie 4 研究预览
- Thinker-WM 论文更新至 v2
- SafeDriveVLA 公开驾驶世界模型组件
- D3WM 公开漂移与扩散分离的未来预测研究
- Helix World 介绍可交互的同步视听生成
- PlanWAM 公开面向驾驶规划的未来表征研究
- Odyssey 发布 Odyssey-3 研究预览
- DreamTrue 公开动作条件机器人视频预测研究
- Long-WAM 公开长视觉历史的世界动作模型研究
- SPW-Nav 公开语言引导的全景导航研究
- PPWM 提出有限跨度的并行未来预测
- DepthWorld 研究带深度的机器人未来预测
- Token-World 论文更新至 v2
- H-JEPA 提出分层未来表征预测
- Artemis 研究共享三维状态的多智能体驾驶
- DeltaWorld 提出动作条件的状态增量预测
- UniWAM 提出联合理解、视觉预测与动作生成
- FutureWorlds 研究从替代未来中学习
- V2X-WAM 论文更新至 v2
- World Labs 宣布签署加入 AMD 的协议
- CF-WAM 研究以多种未来表示训练动作模型
- FLUX 3 Action 介绍机器人世界动作模型
- Odyssey 发布 Agora-2 多人世界研究预览
- GWM Worlds 2：音视频交互世界研究预览
- World Labs 介绍 Atlas 世界模型
- Runway 介绍逐帧生成交互界面的 Solaris
- PixVerse 介绍 R2 实时视听世界模型技术
- Alaya-EVOKE 论文更新至 v2
- AlayaWorld v1.1 公开技术报告
- Wayve 介绍 GAIA-4
- NVIDIA 发布 Cosmos 3
- Odyssey 介绍 Starchild-1 视听世界模型
- Waymo 介绍驾驶世界模型
- LeWorldModel 研究从像素端到端学习预测表征
- Ctrl-World 研究机器人策略在生成环境中的交互
- Runway 介绍 GWM-1 家族
- World Labs 发布 Marble
- DINO-WM 研究在预训练视觉特征上规划
- DreamerV3 论文发表于 Nature
- WHAM 论文发表：预测游戏画面与玩家动作
- V-JEPA 2 论文介绍动作条件变体
- Google DeepMind 介绍 Genie 3
- Vista 公开驾驶世界模型权重
- OpenAI 发布 Sora 世界模拟器技术报告
- DIAMOND 研究用扩散世界模型训练 Atari 智能体
- Copilot4D 登上 ICLR 2024
- DayDreamer 将世界模型用于真实机器人学习
- World Models 提出梦境中的智能体训练