用3D几何先验驱动视频扩散，实现更一致的世界生成
用3D几何先验驱动视频扩散，实现更一致的世界生成随着视频扩散模型能力不断提升，从单张图像出发、按照用户指定的相机轨迹生成新视角视频，正在成为 World Modeling 的重要技术路线。
来自主题: AI技术研报
6798 点击 2026-08-19 15:04
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
随着视频扩散模型能力不断提升，从单张图像出发、按照用户指定的相机轨迹生成新视角视频，正在成为 World Modeling 的重要技术路线。
机器人撬开啤酒瓶盖，白色泡沫顺着瓶口涌出来。
机器人撬开啤酒瓶盖，啤酒泡沫涌起，酒液从画面右下角流入杯中。
2026 年上半年，美国风险投资市场呈现极端的两极分化。每 100 美元风投中，有 86 美元流向 AI 公司，其中 OpenAI 与 Anthropic 两家企业占据全球四成以上份额；与此同时，非 AI 创业公司经通胀调整后的融资金额已跌至新冠疫情水平之下。
过去三年，AI 内容生成行业经历了几轮密集的技术迭代。从文生图到文生视频，从几秒的短片到分钟级的长视频，每一轮升级都让生成内容的质量和时长向前推进一步。
太卷了！过去两年，视频生成模型把画面参数几乎卷了个遍。
近日，清华大学智能产业研究院（AIR）与加州大学伯克利分校（BAIR）团队合作提出了一种全新的预测范式 ODEWorld，其建立在连续的“物理时间流”（Physical-Time Flow, PT-Flow）之上。与传统方法直接预测下一帧是什么不同，ODEWorld 试图学习的是：世界究竟怎样从当前状态连续地变化到未来状态。
8 月 10 日，戴盟机器人正式发布全球首个触觉锚定世界模型 Daimon-TWM（Tactile-grounded World Model），以原生触觉贯穿物理认知、推演决策和瞬时反应全阶段。这个 “物理交互脑” 不仅能理解正在发生的物理接触，还能预测下一步交互会发生什么，并根据瞬息万变的反馈及时修正动作。
过去两年，self-reflection、self-correction、self-play、agentic RL、skill learning、test-time adaptation、open-ended evolution、self-evolving agent等概念不断涌现。
世界模型是物理原生智能（Physics-native Intelligence，Phi）重要的组成环节。