IT之家 8 月 15 日消息，智元機器人昨天通過公眾號宣布，推出行業首個面向真實世界機器人操控的統一世界模型平臺 --- Genie Envisioner(GE)。

　　根據官方介紹，不同于傳統“數據 — 訓練 — 評估”割裂的流水線模式，GE 將未來幀預測、策略學習與仿真評估首次整合進以視頻生成為核心的閉環架構，使機器人在同一世界模型中完成從“看”到“想”再到“動”的端到端推理與執行。基于 3000 小時真機數據，GE-Act 不僅在跨平臺泛化和長時序任務執行上顯著超越現有 SOTA，更為具身智能打開了從視覺理解到動作執行的全新技術路徑。

　　IT之家附開源有關鏈接：

　　Project page：https://genie-envisioner.github.io/

　　Arxiv：https://arxiv.org/abs/2508.05635

　　Github：https://github.com/AgibotTech/Genie-Envisioner

　　GE 平臺通過構建統一的視頻生成世界模型，將這些分散的環節集成到一個閉環系統中。基于約 3000 小時的真實機器人操控視頻數據，GE 建立了從語言指令到視覺空間的直接映射，保留了機器人與環境交互的完整時空信息。

　　

 

　　基于強大的視覺空間預訓練，GE-Act 僅需極少量數據即可實現跨平臺遷移。在 Agilex Cobot Magic 和 Dual Franka 等全新機器人平臺上，GE-Act 僅使用 1 小時(約 250 個演示)的遙操作數據就實現了高質量的任務執行。

　　

 

　　智元方面表示，團隊將開源全部代碼、預訓練模型和評測工具。GE 通過視覺中心的世界建模，為機器人學習開辟了新的技術路徑。GE 的發布，標志著機器人從被動執行向主動‘想象 — 驗證 — 行動’的轉變。未來，將擴展更多傳感器模態，支持全身移動與人機協作，持續推動智能制造與服務機器人的落地應用。