EnerVerse

EnerVerse: Envisioning Embodied Future Space for Robotics Manipulation进阶

智元等提出的生成式机器人模型：先用视频扩散预测未来多视角画面，再出动作。

EnerVerse 由智元机器人与上海人工智能实验室等团队于 2025 年 1 月发布，后被 NeurIPS 2025 接收。思路是先预测未来、再决定动作：用自回归视频扩散模型根据指令逐段生成未来的「具身空间」画面，并用稀疏上下文记忆支撑长任务。为表达三维场景，作者提出 Free Anchor Views（自由锚定视角），即按任务灵活选取的多视角视频表示。EnerVerse-A 是接在生成模型后的策略头，把预测出的 4D 表示转成机器人动作；EnerVerse-D 是把生成模型与 4D 高斯泼溅结合的数据引擎，用来自动造数据、缩小仿真与真实的差距。