上海，[日期] – 上海人工智能实验室（Shanghai AI Lab）近日开源了其研发的生成式世界模型Aether，这一突破性成果将为具身智能领域带来新的发展机遇。Aether模型基于合成数据训练，融合了三维时空建模与生成式建模，具备4D动态重建、动作条件视频预测和目标导向视觉规划三大核心能力。
Aether的发布，标志着AI在理解和模拟真实世界方面迈出了重要一步。该模型能够感知环境，理解物体的位置和运动关系，并在此基础上做出智能决策。更重要的是，Aether展现出了强大的零样本泛化能力，这意味着它可以在虚拟数据上训练，并高效地应用于真实世界的复杂任务。
Aether的核心功能与技术原理：
- 4D 动态重建： Aether能够从视频中重建包含时间和空间信息的三维场景模型，精确捕捉动态变化，为理解场景提供基础。
- 动作条件视频预测： 基于初始观察和动作轨迹，Aether可以预测未来场景的变化，这对于机器人导航和自动驾驶等应用至关重要。
- 目标导向视觉规划： Aether能够根据起始和目标场景生成合理的路径，辅助智能系统规划行动路线，实现目标导向的任务执行。
Aether的技术原理建立在统一的多任务框架之上，将动态重建、视频预测和动作规划融合在一起进行优化。通过任务交错的特征学习，实现不同任务之间的协同优化，提升模型的稳定性和鲁棒性。此外，Aether引入了三维时空建模，构建几何空间，从而提升模型的空间推理能力。
为了训练Aether，上海AI Lab开发了一套完整的数据清洗与动态重建流程，标注了丰富的动作序列，并使用海量仿真RGBD数据（彩色图像和深度图）。模型选择相机轨迹作为全局动作的表示方式，并基于预训练的视频扩散模型，用合成4D数据进行后训练。
Aether的应用前景：
Aether的应用场景广泛，潜力巨大：
- 机器人导航： 帮助机器人在复杂环境中规划路径，避开动态障碍。
- 自动驾驶： 实时重建道路场景，预测交通动态，提高驾驶安全性。
- 虚拟现实： 生成沉浸式虚拟场景，增强用户体验。
- 工业机器人： 优化机器人操作路径，提高生产效率。
- 智能监控： 分析监控视频，预测异常行为，提升安防水平。
开源信息：
Aether的开源将加速具身智能领域的发展。研究人员和开发者可以访问以下资源：
- 项目官网：https://aether-world.github.io/
- GitHub仓库：https://github.com/OpenRobotLab/Aether
- HuggingFace模型库：https://huggingface.co/AetherWorldModel/AetherV1
- arXiv技术论文：https://arxiv.org/pdf/2503.18945
- 在线体验Demo：https://huggingface.co/spaces/AmberHeart/AetherV1
上海AI Lab Aether的开源，无疑为全球人工智能研究者和开发者提供了一个强大的工具，有望推动具身智能技术在各个领域的广泛应用，加速人与机器的深度融合。
Views: 1