8月14日，智元機器人正式發布行業首個機器人世界模型開源平臺——Genie Envisioner（簡稱GE）。該平臺突破傳統“數據—訓練— 評估”割裂的流水線模式，宣稱首次將未來幀預測、策略學習與仿真評估整合進以視頻生成為核心的閉環架構，使機器人能在同一世界模型中完成從“看”到“想”再到“動”的端到端推理與執行。
據介紹，GE平臺通過構建統一的視頻生成世界模型，將數據收集、模型訓練、策略評估等分散環節集成到閉環系統中。其核心組件GE-Base經超百萬條數據訓練，可精準解析環境空間布局與動作意圖；GE-Act動作解碼器則實現從“看懂”到“會做”的關鍵轉化；GE-Sim則將GE-Base的生成能力擴展為動作條件的神經仿真器，通過層次化動作條件機制實現精確的視覺預測。三大組件緊密協作，構成完整的視覺中心機器人學習平臺。
依托約3000小時的真實機器人操控視頻數據，GE建立了從語言指令到視覺空間的直接映射，完整保留了機器人與環境交互的時空信息。
值得一提的是，由智元機器人主辦的智啟具身論壇近日在2025世界人工智能大會（WAIC）舉行。論壇上，智元機器人合伙人、具身業務部總裁姚卯青以飛機架構為喻，形象解析了GE平臺的核心邏輯：“機身”GE-Base經過海量機器人真機數據訓練，具備長程、多視角的視頻生成能力；兩側的“雙翼”則分別指向World Action Model和Action-conditioned World Model。
在真實測試中，搭載GE-Act的機器人已能完成“做三明治”“倒茶”“擦桌面”等多項任務。