智元机器人推出EnerVerse架构，基于未来空间生成引导机器人动作规划，赋能具身智能新高度

如何让机器人在任务指引和实时观测的基础上规划未来动作，一直是具身智能领域的核心科学问题。然而，这一目标的实现受两大关键挑战制约：模态对齐：需在语言、视觉和动作等多模态空间中建立精确的对齐机制。数据稀缺：缺乏规模化、多模态且具备动作标签的数据集。针对上述难题，智元机器人团队提出了EnerVerse架构，通过自回归扩散模型（autoregressive diffusion），在生成未来具身空间的同时引导机器人完成复杂任务。不同于现有方法简单应用视频生成模型，EnerVerse深度结合具身任务需求，创新性地引入稀疏记忆机制（Sparse Memory）与自由锚定视角（Free Anchor View, FAV），在提升4D生成能力的同时，实现了动作规划性能的显著突破。实验结果表明，EnerVerse不仅具备卓越的未来空间生成能力，更在机器人动作规划任务中实现了当前最优（SOTA）表现。项目主页与论文已上线，模型与相关数据集即将开源：主页地址：https://sites.google.com/view/enerverse/home
论文地址：https://arxiv.org/abs/2501.01895![

如何让未来空间生成赋能机器人动作规划？机器人动作规划的核心在于基于实时观测和任务指令，预测并完成一系列复杂的未来操作。然而，现有方法在应对复杂具身任务时存在如下局限：通用模型局限性ÿ