视频世界模型领域又迎来了新的突破！ 复旦大学与腾讯 PCG ARC Lab 等机构的研究者们提出了 VerseCrafter， 这是一个通过显式 4D 几何控制（4D Geometric Control）实现的动态逼真视频世界模型。 它不仅能像「导演」一样精准控制运镜，还能同时指挥场景中多个物体的 3D 运动轨迹，为视频生成引入了物理世界维度。 自 Sora 问世以来，视频世界模型（Video World Models）成为了 AI 领域最热门的研究方向之一。我们希望 AI 不仅能生成视频，更能理解和模拟真实的物理世界。 然而，现有的视频模型往往面临一个核心困境： 视频是在 2D 平面上播放的，但真实世界是 4D（3D 空间 + 时间）的。 VerseCrafter 的核心理念在于： 用一个统一的 4D 几何世界状态（4D Geometric World State）以此驱动视频生成。 它利用静态背景点云和每个物体的 3D 高斯轨 迹，实现了对相机和物体运动的解耦与协同控制。 论文地址： https://arxiv.org/pdf/2601.05138 项目主页： https://sixiaozheng.gi ...

" 具身智能爆发第三年，世界模型凝聚了哪些共识？ " 作者丨 张进 吴彤 梁丙鉴 刘欣 齐铖湧 编辑丨 林觉民 马晓宁 13 日，第八届 GAIR 全球人工智能与机器人大会世界模型分论坛圆满成功。 这场的演讲嘉宾是在世界模型领域，研究不同方向的五位青年学者，他们带来了五场围绕世界模型的精彩 演讲，话题聚焦通用感知、三维技术、物理模型、世界模型、数字人重建。通过他们的演讲、我们得以窥 见当下围绕着世界模型的研究是多么广泛与丰富。 目前，世界模型的研究尚处于起步阶段，共识尚未形成，有关该领域的研究形成了无数支流，而这股潮流 中，今天到场的几位嘉宾，用他们的智慧和力量给世界模型领域研究带来了不同的启发。 浙江大学研究员彭思达：面向具身智能的通用空间感知技术 在"世界模型"分论坛上，首位演讲者是浙江大学研究员彭思达。他是浙江大学软件学院"百人计划"研究 员、博士生导师，研究方向为三维计算机视觉和计算机图形学。此次他带来的主题演讲是《面向具身智能 的通用空间感知技术》，介绍了其团队近期在赋予机器人通用感知能力方面的多项工作。 团队主要聚焦于赋予机器人三项基础能力：一是相机定位（Camera Pose Estimatio ...