Skip to content

新闻X11 天前

IFM开源世界模型PAN2:生成20秒物理后果视频降低Agent试错成本 ​

本文由 AI 根据公开内容整理,可能有误,请以原文为准:Agents learn from trial and error. The expensive part is the error.(X:Rohan Paul (@rohanpaul_ai)(via AIHOT))

核心内容 ​

IFM正式推出开源基础世界模型PAN 2,旨在通过将Agent试错过程迁移至模拟环境来大幅降低物理交互成本。该模型能够接收自然语言描述的动作指令,并生成最长20秒展示物理后果的视频反馈。在官方基准测试中,PAN 2单步任务完成率达到71.5%,完整计划完成率为34.0%,在同类开放模型中完整计划完成率排名第一,且在Physics-IQ Verified榜单中位列第三,验证了其在具身智能仿真与预训练阶段的应用潜力。

PAN 2采用分层生成架构:首先由语言模型对输入指令进行情节规划与逻辑拆解,随后调用参数量为29B的视频生成模型渲染符合物理规律的视频序列。这种“规划-渲染”解耦设计确保了长时序视频生成的逻辑一致性,解决了纯端到端视频模型易出现的物理幻觉问题。作为开源资产,PAN 2为机器人算法工程师提供了高保真世界模型基座,可用于构建低成本的Sim-to-Real验证闭环及合成数据生成管线。

关键看点 ​

  • 核心指标:完整计划完成率34.0%居开放模型首位,单步完成率71.5%,Physics-IQ Verified排名第三
  • 生成能力:支持基于动作描述生成长达20秒的物理后果视频,将实机试错成本转移至模拟空间
  • 技术架构:采用语言模型规划情节加29B参数视频模型渲染的分层设计,保障长时序物理一致性
  • 开源价值:提供开放基础世界模型权重,支撑具身Agent低成本仿真验证与合成数据管线构建

工程与产业观察 ​

PAN 2以开源形式确立了世界模型在具身智能中的新基准,其分层架构有效平衡了语义理解与物理真实性。对于算法团队,该模型不仅是低成本的Sim-to-Real验证工具,更是构建高质量合成数据集的关键基础设施,有助于缓解真实交互数据稀缺瓶颈,加速通用操作策略的泛化训练。

线索来源:AIHOT

基于本页技术方向关联的整机参数、核心零部件、实测报告与同赛道选型横评。

外部来源

本页事实对应的公开页面,以原文为准。(点击将离开本站)

  1. X:Rohan Paul (@rohanpaul_ai)(via AIHOT):Agents learn from trial and error. The expensive part is the error. ↗访问 2026-11-11