Genie Envisioner - Zhiyuanが開発した、ロボットの世界モデルのためのオープンソースプラットフォーム。

Genie Envisionerとは何ですか？

Genie Envisionerは、LogicNetが開発した初のオープンソースのロボット世界モデルプラットフォームです。このプラットフォームは、統一されたビデオ生成フレームワークを通じて、ポリシー学習、評価、シミュレーション機能を統合しています。コアコンポーネントには、GE-Base（大規模な指示条件付きビデオ拡散モデル）、GE-Act（モーション軌跡デコーダ）、GE-Sim（ニューラルシミュレータ）、およびEWMBench（標準化されたベンチマークスイート）が含まれます。このプラットフォームは、ロボットの形態を問わずポリシーの一般化をサポートし、ロボットが複雑なタスクで正確な操作を実現できるようにすることで、具現化された知能の開発を促進し、ロボット工学の研究と応用を強力に支援します。

Genie Envisionerの主な機能

• 戦略学習GE-Baseをベースとしたこのシステムは、ロボットと環境との相互作用のダイナミクスを捉え、行動決定のための戦略を生成する。
• 行動創出これは、潜在空間の表現を実行可能な動作軌跡にマッピングし、複数のロボット形態をサポートする。
• シミュレーションサポートこれは、戦略のクローズドループテストと最適化のための高精度シミュレーション環境を提供する。
• パフォーマンス評価視覚的な忠実度、物理的な一貫性、およびコマンドと動作の一致度を測定するための標準化されたベンチマークを提供します。

Genie Envisionerの技術的原理

• GE-BaseGE-Baseは、ロボットの相互作用における空間的、時間的、意味的なダイナミクスを捉える、大規模なコマンド条件付きビデオ拡散モデルです。複雑なロボットの相互作用を構造化された潜在空間で表現することで、後続の処理を容易にします。
• GE-ActGE-Actは、軽量なストリームマッチングデコーダを使用して、潜在空間の表現を実行可能な動作軌跡にマッピングします。最小限の監視信号で、さまざまなロボット形態間でのポリシー転送をサポートします。
• GE-SimGE-Simは、高忠実度の再生映像を生成するために使用される、動作条件付きニューラルシミュレーターです。仮想環境での戦略開発と最適化をサポートし、物理的な実験の必要性を低減します。
• EWMBenchEWMBenchは、モデルの視覚的な忠実度、物理的な一貫性、および指示と動作の整合性を測定するための標準化されたテストスイートを提供します。これにより、研究者や開発者はモデルのパフォーマンスを評価し、最適化することができます。

Genie Envisionerのプロジェクトアドレス

• プロジェクト公式サイト：https://genie-envisioner.github.io/
• GitHubリポジトリ：https://github.com/AgibotTech/Genie-Envisioner
• arXiv技術論文：https://arxiv.org/pdf/2508.05635

Genie Envisionerの応用事例

• 産業オートメーション工場の生産ラインでは、ロボットが複雑な組み立て、搬送、品質検査といった作業をより正確に完了するのに役立ち、それによって生産効率と製品品質が向上します。
• 物流と倉庫管理物流センターで商品の仕分けや取り扱いに使用されるロボットは、指示に従ってさまざまな形状やサイズの商品を迅速に識別して処理できるため、物流プロセスを最適化することができる。
• サービスロボットレストラン、ホテル、家庭などの環境において、ロボットに人間の指示を理解し実行する能力を与えることで、食品配達、清掃、物品配達といったより高度なサービスを提供できるようになる。
• 医療支援医療現場では、ロボットは手術の補助、リハビリテーション訓練の提供、薬剤の投与などを行い、医療サービスの精度と効率性を向上させている。
• 教育と研究これは、大学や研究機関にとって強力な実験プラットフォームを提供し、ロボット学習、人工知能、身体化知能の研究を支援し、関連技術の開発を促進する。