读书网

一文搞懂世界模型：ai如何“脑补”真实世界？（第3页）

强化学习是世界模型训练过程中的重要方法。简单来说，强化学习就是让AI在虚拟环境中不断尝试不同的行动，根据行动产生的结果获得奖励或惩罚，从而逐渐学会最优的行动策略。

比如，一个机器人要学会在复杂环境中行走，它可以在世界模型构建的虚拟环境中不断尝试不同的步伐和方向。如果它成功避开了障碍物并到达了目标地点，就会得到奖励；如果它撞到了障碍物，就会受到惩罚。通过不断地试错和学习，机器人就能逐渐掌握在该环境中行走的最佳策略，然后将这些策略应用到真实环境中。

四、行业现状：大厂纷纷布局，竞争激烈

（一）谷歌：Genie系列引领世界模型发展

谷歌在世界模型领域一直处于领先地位，其发布的Genie系列世界模型备受关注。Genie 2能生成各种可控制动作、可玩的3D环境，还可以用于训练和评估具身agent，只要给一张提示图像，它就能按照文本提示生成对应的交互式虚拟世界，无论是人类还是AI agent都可以在其中探索和互动。

而Genie 3更是实现了实时互动、高度一致化的生成，直接从“游戏画面”迈入“真实世界”的程度。它能维持数分钟的生成一致性，还能做到实时响应，用户可以以每秒24帧的速度实时浏览生成的动态世界，并在720p的分辨率下保持几分钟的一致性。Genie 3支持可提示事件，用户可以在生成的世界中添加新的事件，比如另一个人或交通工具，甚至是完全意想不到的东西，为世界模型的应用拓展了更多可能性。

本小章还未完，请点击下一页继续阅读后面精彩内容！

（二）昆仑万维：开源Matrix-Game系列，推动行业发展

昆仑万维在世界模型领域也有重要成果，其开源的Matrix-Game系列模型为行业发展做出了贡献。Matrix-Game 2.0是业内首个在通用场景上实现实时长序列、交互式生成的世界模型开源方案，参数量仅有1.8B，能跑在单块GPU上，生成的虚拟环境帧率能达到25FPS，用户可以用键盘WASD按键进行实时的自由移动和视角控制，实现持续时长达分钟级的互动。

它彻底摆脱了此前依赖语言提示的生成模式，专注于通过视觉理解和物理规律学习来构建虚拟世界。通过少步骤自回归扩散算法实时生成长视频，引入了一个专为实时模拟和交互设计的高效框架，同时应对解决了效率和可控性的挑战，为游戏开发者和玩家提供了全新的可能性，也让更多人能够基于其开源代码进行研究和创新。

（三）腾讯：混元3D世界模型，提升空间理解能力

腾讯混元团队正式开源其HunyuanWorld 1.0世界模型的扩展模型“HunyuanWorld-Voyager”。根据WorldScore排行榜，Voyager在当前主流世界模型中平均成绩位列第一。混元世界模型-Voyager架构是对混元世界模型1.0新视角内容的补全，引入了“世界一致视频扩散”与“长距离世界探索”两大核心机制。

从静态场景到可控漫游，再到具备深度信息与空间拓展，Voyager补足了混元世界模型在空间连续性上的一块关键能力。它可以从一段文字、一张图生成一个初始场景，再根据用户设定的相机轨迹拓展新视角内容，这种“边走边生成”的逻辑，正在成为AI理解空间的另一种可能，为用户带来更加沉浸式的虚拟体验，也在空间理解和生成方面展现出独特的优势。

（四）其他企业与研究机构的探索

除了上述大厂，还有许多企业和研究机构也在积极探索世界模型。在自动驾驶领域，不少车企和科技公司都在研究如何将世界模型应用到自动驾驶系统中，提高驾驶的安全性和智能化水平。一些机器人研发团队也在利用世界模型提升机器人的认知和行动能力，使其能够在更复杂的环境中完成任务。学术界也在不断深入研究世界模型的理论和算法，为其发展提供坚实的技术支撑。

五、挑战与展望：世界模型的未来还有哪些难题与机遇？

（一）面临的挑战