1 月 8 日消息，如何讓機器人在任務指引和實時觀測的基礎上規劃未來動作是具身智能領域核心問題，其受“模態對齊”和“數據稀缺”制約。智元機器人團隊提出 EnerVerse 架構，通過自回歸擴散模型（autoregressive diffusion），在生成未來具身空間的同時引導機器人完成復雜任務。

據介紹，不同于現有方法簡單應用視頻生成模型，EnerVerse 深度結合具身任務需求，創新性地引入稀疏記憶機制（Sparse Memory）與自由錨定視角（Free Anchor View, FAV），在提升 4D 生成能力的同時，實現了動作規劃性能的突破。

智元機器人官方稱，實驗結果表明 EnerVerse 不僅具備未來空間生成能力，更在機器人動作規劃任務中實現了當前最優（SOTA）表現。從智元官方獲悉，目前項目主頁與論文《EnerVerse：設想機器人操作的具身未來空間》已上線，模型與相關數據集即將開源。

EnerVerse 主要科研成員來自智元機器人研究院具身算法團隊。論文共同一作黃思淵是上海交通大學與上海人工智能實驗室的聯培博士生，師從 CUHK-MMLab 的李鴻升教授。博士期間的研究課題為基于多模態大模型的具身智能以及高效智能體的研究。在 CoRL、MM、 IROS、ECCV 等頂級會議上，以第一作者或共同第一作者身份發表多篇論文。另一位共同一作陳立梁是智元機器人的具身算法專家，主要負責具身空間智能與世界模型的研究。