外观
新闻X9 天前
Viggle发布3D原生世界模型JST-2，物理结构嵌入Token
本文由 AI 根据公开内容整理，可能有误，请以原文为准：近期主流世界模型 (Sora、Genie、Genie-3、Cosmos...) 几乎都工作在像素/视频空间，模型从海量视频中隐式地“猜”出物理规律（X：邵猛 (@shao__meng)（via AIHOT））
核心内容
Viggle正式发布3D原生世界基础模型JST-2，针对Sora、Genie、Cosmos等主流模型依赖视频像素隐式推测物理规律的局限，提出全栈物理原生技术路线。该模型将整个技术栈构建于3D空间而非2D视频平面，旨在解决生成式模型在机器人仿真与决策中物理一致性不足的核心痛点，标志着世界模型从感知预测向结构化物理理解演进。
JST-2的核心创新在于将物理结构显式写入Token表示层，使模型在训练与推理阶段均基于3D几何与动力学约束运行，而非仅从海量视频中统计像素关联。这种3D原生架构确保了生成内容具备内在物理可解释性，相比纯视觉生成模型，更适配具身智能体对精确环境建模、碰撞检测及长程任务规划的需求，为Sim-to-Real迁移提供了更可靠的数据底座。
关键看点
- 3D原生架构：技术栈完全构建于3D空间，区别于Sora等模型的像素/视频空间路线，实现显式物理建模
- 结构化Token：将物理结构直接编码进Token表示，使模型内禀包含几何与动力学约束而非隐式猜测
- 物理一致性：通过3D空间原生构建保障生成内容的物理可解释性，解决视频生成模型物理规律缺失问题
- 具身适配性：全栈物理原生设计更契合机器人仿真、环境理解与Sim-to-Real迁移对精确物理表征的需求
工程与产业观察
JST-2代表的3D原生世界模型路线，为具身智能突破了纯视觉生成模型物理幻觉瓶颈。将物理结构嵌入Token的范式，有望显著提升仿真数据质量与策略迁移效率，是连接大模型泛化能力与机器人精密操作的关键基础设施演进方向。
线索来源：AIHOT
来源
本页事实对应的公开页面，以原文为准。