阿里达摩院4D世界模型
机器之心 · wechat · 2026-07-17
阿里达摩院提出 RynnWorld-4D，尝试解决传统 2D 视频世界模型在机器人操控中的表征局限：纯像素预测缺少深度、运动场和物理约束，难以支撑精确三维操作。该方法在同一扩散框架里同步生成 RGB、Depth、Flow，用显式几何与运动信息构成 4D 预测。
方法上，它采用三分支 Transformer 分别建模纹理、几何和运动，并通过跨模态注意力与帧级 3D 位置编码对齐；训练分三阶段进行，还引入大规模 2.54 亿帧的 4D 标注数据管线。策略层面，模型可直接从中间层特征提取 4D 信息，一次前向就输出动作，约 1.1 秒完成推理，真机上约 9Hz。
实验显示，这套 4D 表征在深度、光流和机器人双臂灵巧操作任务上都优于基线，尤其在双手传递、盖子放置、碗具堆叠等空间精度要求高的任务里收益明显。文章最后指出，下一步瓶颈主要在推理加速和多视角扩展。
所属事件:阿里达摩院发布RynnWorld-4D机器人世界模型(2 条相关)→
「具身」频道最新
- 开源项目 Chums:用 Apple Watch 随身遥控 Mac 上的 Claude Code — brandon_galang · 2026-10-27
- 用 Grok bot 把 ESP 变成 iPhone 配件,远程同步机器人舵机 — Baconbrix · 2026-10-27
- NVIDIA 开源 MotionBricks：人形机器人动作生成达 15000 FPS、2ms 延迟 — _akhaliq · 2026-10-26
- 用户用 Claude Code 拆解本田车机：发现 root 后门与静默装 APK — IndraVahan · 2026-10-26
- Temple 健康设备开启预售，用户质疑：未见实效前谁愿戴 — abhishekcode42 · 2026-10-26
- FLASH 仿真框架：单卡 RTX 5090 上分钟级学会布料折叠 — ChongZzZhang · 2026-10-26