新闻/量子位·10 天前

VAST开源世界模型EdenLive：单卡720P超24FPS支持具身数据增强

VAST开源实时世界模型EdenLive，在RTX 5090上实现720P/24FPS生成与百毫秒级延迟。该模型采用状态与渲染解耦架构，支持将人类操作视频转换为机器人视角数据，为具身智能提供低成本仿真与样本扩充方案。

AI 整理

• 仿真与训练
• 数据与采集
• 具身模型

本文由 AI 根据公开内容整理，可能有误，请以原文为准：VAST开源实时世界模型EdenLive！单消费级显卡、720P超24FPS（量子位）

核心内容

VAST正式发布并开源实时世界模型EdenLive，旨在解决可交互世界的实时视觉呈现问题。该模型在单张消费级显卡Nvidia RTX 5090上运行5B参数版本，可实现720P分辨率下超过24FPS的生成速度，端到端交互延迟控制在百毫秒级，并支持分钟级连续画面生成。项目已开放模型权重、推理代码及技术报告，同步发布Game Prototype Turbo工具以验证从游戏逻辑到实时视觉渲染的完整链路。

技术上，EdenLive采用“世界状态与视觉渲染解耦”架构，由上游交互系统维护底层状态，模型仅负责基于参考输入（简化场景、目标首帧、提示词）进行神经渲染。在具身智能应用中，该模型可将真实人类操作视频实时转换为机器人第一视角数据，保持动作轨迹一致的同时替换机械臂外观与环境材质。这种能力使其能作为低成本仿真器或数据增强工具，通过风格迁移与物体替换扩展机器人训练样本，缓解实机数据采集瓶颈。

关键看点

• 实时生成性能：5B模型在RTX 5090单卡上实现720P@24FPS+生成，端到端延迟达百毫秒级，满足交互式场景漫游与低频游戏原型预览需求。
• 具身数据增强：支持将人手操作视频转换为机械臂视角，在保持抓握、推行等动作语义不变的前提下，修改操作主体外观及环境材质以扩充训练集。
• 状态渲染解耦：采用交互系统维护世界状态、生成模型负责视觉渲染的分层架构，支持2D/3D简化场景、引擎渲染及真实视频等多种参考源接入。
• 开源资产完备：开放HuggingFace权重、GitHub推理代码及技术报告，配套Prompt to Proxy Game技能，支持快速构建可交互的游戏原型验证管线。

工程与产业观察

EdenLive验证了消费级算力支撑实时世界模型的可行性，其核心价值在于为具身智能提供了低门槛的数据合成与仿真验证工具。通过将人类演示视频低成本转化为机器人视角样本，该模型有望缓解Sim-to-Real中的数据匮乏问题。对于算法工程师而言，这标志着世界模型正从纯视频生成转向服务于下游任务的功能性基础设施，值得在机器人策略训练与泛化测试中评估其实际增益。

来源

本页事实对应的公开页面，以原文为准。

1. 量子位：VAST开源实时世界模型EdenLive！单消费级显卡、720P超24FPS访问 2026-10-19