清华联合伯克利提出连续世界模型，机器人不用再逐帧猜环境
产业动态
来源：MIT科技评论中文发布时间待核实
在具身智能的演进中，世界模型被寄予厚望：它不仅要生成未来画面，更要帮助机器人理解世界如何连续变化。然而，当前主流的视频生成与部分机器人世界模型，它们的底层架构大多仍受制于一个固有的思维定式：离散的下一步预测（Discrete Next-step Prediction）。 简单来说，这种模式将连续的物理世界切分成了一帧帧静态的画面。AI 预测未来时，必须像翻连环画一样，根据当前帧去推演下一帧。这种方式在短时间的视觉生成上大放异彩，但面对长视距的物理任务时，却暴露出明显缺陷：由于误差会逐帧累积，时间一长，AI 就容易偏离原本的物理规律，产生不合逻辑的幻觉。 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。 图 | 连续世界模型概念（来源：受访者提供） 实验中，当研究人员把模型预测出的连续中间状态用于指导机器人后，四项…