具身智能行业研究核心观点 - 行业研究重点从数据收集利用转向3D/4D世界模型开发 以解决数据合理性和丰富性问题[3] - 当前技术路线分化为隐式与显式两种世界模型 均存在明显局限性且尚未找到有效解决方案[4][7] - 物理仿真与视频生成技术融合成为突破方向 但跨平台部署和大规模数据扩展仍是关键挑战[9][14] 3D物理仿真器研究现状 - 显式世界模型集中于静态3D场景构建 通过模型构建或扫描方式初始化环境 典型代表包括Hunyuanworld-1.0和Matrix-3D项目[5] - 动态物理模拟采用前景背景分离方案 使用Mujoco/Mujoco-Warp进行物理仿真结合3DGS渲染 如Discoverse和EmbodiedGen项目[5] - 高保真场景重建通过Taichi对Mujoco素材再渲染实现 代表项目Genesis追求超高画质输出[5] 3DGS技术局限与优化 - 3DGS表面建模存在明显缺陷 SuGaR和2DGS等技术尝试结构化改造但几何优化仍较粗糙[8] - GSDF和Pano2Room采用Mesh/SDF监督优化 部分解决表面平滑问题但输出质量稳定性不足[8] - 完全弃用3DGS可能导致图形学新问题 如渲染饱和度过高和光照不平衡等视觉差异[8] 跨平台部署与数据扩展 - 物理参数设计主要基于Mujoco标准 在Isaac和SAPIEN等平台存在兼容性问题[9] - Roboverse项目开发统一跨平台仿真器 旨在优化世界模型的物理表达一致性[9] - 物理微分仿真范式面临数据扩展难题 动作表达灵活性不足以满足模仿学习数据需求[9] 视频生成与多视角技术融合 - 通义万相模型证明数据规模化清洗提升运动预测能力 Feed forward 3D技术强化3D信息估计[10] - 3DGS/4DGS与世界模型结合项目涌现 如GWM和Enerverse利用3R技术增强空间理解[10] - Dust3R到VGGT技术演进实现单帧到稠密几何的一站式推理 Robot4DGen开启模仿学习3R时代[10] 4D生成技术分类与挑战 - 模板生成法使用静态网格/骨架为基础 通过LBS/BlendShapes等技术实现4D生成[13] - 生成式方法从文本/图像生成3D模型 再通过视频绑定运动内容完成4D构建[13] - 视频反演法从交互视频提取几何物理 获得可模拟4D内容但技术成熟度较低[13] 技术发展路径预测 - 未来三年将外挂或内嵌物理知识发展方向 通过物理理解能力突破打破数据瓶颈[15] - 世界模型可能演变为具身智能基模的模块化组件 功能简化但保持核心预测能力[15] - 仿真器-视频生成组合方案如RoboTransfer将成为过渡 但可能限制视频模型进化潜力[14]