arXiv cs.AI·9 小时前★ 3
AuroraWorld：机器人操作外视角到内视角视频生成
原文标题：AuroraWorld: Structured 4D World Modeling for Exo-to-Ego Video Generation in Robot Manipulation
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
AI 智能摘要
论文提出 AuroraWorld 结构化 4D 世界建模方法，从大规模外视角操作视频合成机器人内视角观测，以低成本替代昂贵的第一人称数据采集。该方法针对大幅视角变换、严重遮挡与复杂物体交互等挑战，旨在生成物理一致且与策略相关的内视角视频。
所属主题具身智能4
阅读原文 +0
AI 处理过程展开/收起
原始标题：AuroraWorld: Structured 4D World Modeling for Exo-to-Ego Video Generation in Robot Manipulation
AI 中文标题：AuroraWorld：机器人操作外视角到内视角视频生成
来源：arXiv cs.AI · 发布于 9 小时前
分类：多模态 · AI 重要度：★ 3（3）
标签：世界模型 / 视频生成 / 机器人操作 / 4D 建模 / 具身智能
关键词：AuroraWorld / 4D 世界模型 / 机器人视频生成 / 具身智能 / 多模态生成
AI 处理：2026/11/3 18:03:21 · 模型 deepseek-chat · 规则版本 2026-10-21.1
相关推荐
InfoQ AI·3 天前★ 4
谷歌发布 EmbeddingGemma 2，五模态统一向量空间
AI 摘要谷歌推出 EmbeddingGemma 2 嵌入模型，可将文本、图像等五种模态映射到同一个向量空间，实现跨模态检索与对齐。该模型延续 Gemma 开源系列，面向多模态嵌入与检索增强场景。
#多模态
The Verge AI·6 天前★ 4
谷歌发布Genie 4世界模型，可生成带音频交互体验
AI 摘要谷歌发布 Genie 4 世界模型，支持更真实的世界、自然语言实时修改、音频生成，底层由 Gemini 3.8 Flash 驱动，单次体验时长从 1 分钟提升至约 2 分钟。该模型先以研究预览形式向受信任测试者开放，并将向 Google AI Ultra 订阅用户推出。
#多模态
TechCrunch AI·6 天前★ 4
谷歌 DeepMind 发布 Genie 4 世界模型，新增音频与实时操控
AI 摘要谷歌 DeepMind 发布世界模型 Genie 4，新增实时音频、更逼真的模拟环境，并支持在模拟过程中用文本提示实时操控。该模型以研究预览形式向受信任测试者开放，进一步推进可交互世界模型的能力边界。
#多模态
Hacker News – AI·13 天前★ 4
谷歌 DeepMind 称四个 Gemini 4 智能体 27 小时通关《我的世界》
AI 摘要谷歌 DeepMind 表示，四个基于 Gemini 4 的 AI 智能体在 27 小时内自行编写 2783 段程序，成功通关《我的世界》。过程中智能体在简单难度下死亡 605 次，估计消耗约 520 美元 token 成本。
#多模态