在這一演進過程中，世界模型逐漸成為連接高層智能與底層執(zhí)行的關(guān)鍵基礎(chǔ)設施。通過對環(huán)境狀態(tài)及其時間演化進行建模，世界模型使機器人系統(tǒng)能夠在受控環(huán)境中進行仿真、訓練與決策推演，從而為機器人在真實物理世界中實現(xiàn)可靠的感知、決策與行動閉環(huán)提供支撐。

NVIDIA Cosmos：面向物理 AI 的世界基礎(chǔ)模型

NVIDIA Cosmos 包含一系列先進的預訓練多模態(tài)模型，為開發(fā)者構(gòu)建虛擬世界、實現(xiàn)智能推理，提供了一套靈活、可擴展的世界建?；A(chǔ)設施。

在 Cosmos 平臺中，Cosmos Predict是面向世界狀態(tài)預測的核心基礎(chǔ)模型，通過視頻級生成與預測，Cosmos Predict 使物理 AI 系統(tǒng)能夠在給定當前觀測和條件的情況下，對未來狀態(tài)進行推演。其前瞻性的世界模型能力，為仿真、規(guī)劃及閉環(huán)決策環(huán)節(jié)提供高效支撐。最新版本的 Cosmos Predict 2.5 能夠僅基于單張圖像和文本提示，生成最長 30 秒的未來世界狀態(tài)視頻，這一能力為物理 AI 系統(tǒng)提供了高質(zhì)量的合成數(shù)據(jù)來源。該模型還能進一步優(yōu)化機器人的迭代式策略訓練場景。

智元機器人 Genie Envisioner：

基于 Cosmos 實現(xiàn)感知到行動的端到端閉環(huán)

基于 NVIDIA Cosmos，智元機器人近期發(fā)布了具身智能世界模型平臺 Genie Envisioner（GE），系統(tǒng)性地打通了機器人從“感知”到“決策”再到“行動”的端到端閉環(huán)。

GE 以統(tǒng)一的視頻生成式世界模型為核心，將策略學習、評估與仿真能力整合在同一框架之中，使世界模型能夠深度參與機器人決策與控制過程，成為具身智能系統(tǒng)中的關(guān)鍵基礎(chǔ)組成部分。

具身智能世界模型平臺 Genie Envisioner（GE）

*圖片來源于 Genie Envisioner 項目網(wǎng)站

在 GE 的整體架構(gòu)中，GE-Sim模塊承擔著視頻級世界仿真的關(guān)鍵角色。該模塊需要在多視角條件下生成具備物理一致性和時間穩(wěn)定性的環(huán)境演化結(jié)果，同時還必須對機器人的動作指令做出準確響應。

這種動作條件世界模型（action-conditioned world model）對底層視覺先驗、動態(tài)建模能力以及多步驟穩(wěn)定性提出了極高要求，是具身智能從概念走向落地過程中最具挑戰(zhàn)性的技術(shù)環(huán)節(jié)之一。

NVIDIA Cosmos Predict 2，加速 GE-Sim 迭代升級

面對物理 AI 和具身智能場景在規(guī)模、多樣性與動態(tài)復雜性上的挑戰(zhàn)，智元機器人團隊引入 NVIDIA Cosmos Predict 2，為 GE-Sim 提供強大的通用視覺與物理先驗能力。

通過將 Cosmos Predict 2 深度集成至自研的動作條件世界模型架構(gòu)中，并結(jié)合 AgiBot World 數(shù)據(jù)集開展針對性的后訓練，團隊顯著加快了 GE-Sim 的迭代節(jié)奏，并持續(xù)提升仿真質(zhì)量與系統(tǒng)穩(wěn)定性。

借助 Cosmos 世界基礎(chǔ)模型的基礎(chǔ)能力，GE-Sim 生成的多視角視頻能夠精準響應機器人的動作指令。Cosmos 提供的通用視覺與物理先驗，使模型能夠覆蓋海量具身場景的多樣性。在此基礎(chǔ)上，GE 架構(gòu)進一步結(jié)合機器人動作條件與任務約束，使生成結(jié)果既符合真實物理規(guī)律，又能夠直接服務于機器人決策與執(zhí)行。

基于 NVIDIA Cosmos 的 GE-Sim 視頻仿真演示：模型根據(jù)機器人動作指令生成未來幀，并在多視角下保持高度一致性

基于 Cosmos 世界基礎(chǔ)模型優(yōu)化后的 GE-Sim，已于 2025 年 11 月正式發(fā)布并在 GitHub 開源，為具身智能社區(qū)提供了可復用、可擴展的世界仿真基礎(chǔ)設施。

不止于仿真：Cosmos 如何塑造機器人未來？

Cosmos 世界基礎(chǔ)模型正在成為物理 AI 的基礎(chǔ)模型層，為機器人提供：

高質(zhì)量合成數(shù)據(jù)生成，降低真實數(shù)據(jù)收集與標注成本；

安全可靠的仿真環(huán)境，支持大規(guī)模強化學習與策略調(diào)試；

可擴展的世界先驗，加速不同場景的模型適配與部署。

通過將世界狀態(tài)預測能力系統(tǒng)化、模型化，Cosmos 讓機器人不僅在“感知現(xiàn)在”，更在“理解變化”和“推演未來”，從而在真實世界中做出更穩(wěn)健、更智能的決策。

Cosmos 將持續(xù)作為世界模型的核心底座，與生態(tài)伙伴共同推動具身智能從實驗室走向真實世界。