---
title: "TesserAct – AI 4D具身世界模型，能预测3D场景的动态演变"
url: "https://paooo.com/aigc-news/20064/"
author: "Prompt 语宙研究院"
published_at: "2026-06-08T02:44:42+08:00"
updated_at: "2026-06-08T02:44:42+08:00"
categories: "AIGC 资讯"
tags: "3D与空间智能, AI智能体, HuggingFace, 大模型微调, 开源大模型"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# TesserAct – AI 4D具身世界模型，能预测3D场景的动态演变

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/20064/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-08

## AI 30 秒核心看点 (TL;DR)

- TesserAct 通过 RGB-DN 多模态视频学习，突破传统 2D 预测，能建模 3D 场景的动态演变。
- 它支持新视角合成与时空一致性优化，让机器人更准确理解形状、位置和运动关系。
- 在机器人操作与复杂环境任务中，TesserAct 可提升策略学习效果，并具备较强泛化能力。

## TesserAct是什么

TesserAct 是创新的 4D 具身世界模型，能预测 3D 场景随时间的动态演变，响应具身代理的动作。通过训练 RGB-DN（RGB、深度和法线）视频数据来学习，超越了传统的 2D 模型，能将详细的形状、配置和时间变化纳入预测中。TesserAct 的核心优势在于其时空一致性，支持新视角合成，显著提升了策略学习的性能。

## TesserAct的主要功能

- **4D 场景生成**：TesserAct 能生成包含 RGB（彩色图像）、深度图和法线图的视频流，共同构成了一个连贯的 4D 场景，帮助 AI 系统理解物体的形状、位置和运动。

- **新视角合成**：模型支持从不同视角生成场景的图像，对于机器人在复杂环境中的导航和操作非常有帮助。

- **时空一致性优化**：通过引入时空连续性约束，TesserAct 确保生成的 4D 场景在时间和空间上保持高度一致，更接近真实世界的物理规律。

- **机器人操作支持**：基于 TesserAct 的机器人在各种操作任务中表现优异，特别是在需要精确空间理解的任务上，成功率远高于仅依赖 2D 图像的方法。

- **跨平台泛化能力**：TesserAct 在不同平台和环境中的表现稳定，能适应多种复杂的场景。

## TesserAct的技术原理

- **数据集扩展**：TesserAct 首先扩展现有的机器人操作视频数据集，通过添加深度和法线信息来丰富数据内容。基于现成的模型来获取深度和法线数据，为训练提供了更丰富的多模态信息。

- **视频生成模型微调**：在扩展后的数据集上，TesserAct 微调了一个视频生成模型，能联合预测每一帧的 RGB、深度和法线信息。这种多模态预测能力使模型能更全面地理解场景的形状、配置和时间变化。

- **场景转换算法**：TesserAct 提出了一种算法，能将生成的 RGB、深度和法线视频直接转换为高质量的 4D 场景。确保了从具身场景中预测的 4D 场景在时间和空间上的连贯性，支持新视角合成和策略学习。

- **时空一致性优化**：TesserAct 通过引入时空连续性约束，确保生成的 4D 场景在时间和空间上保持高度一致。使模型能更真实地反映物理世界的动态变化，为具身智能体提供了更准确的环境理解。

- **逆动力学模型学习**：TesserAct 能生成高质量的 4D 场景，能学习具身智能体的逆动力学模型。使智能体更准确地预测其动作对环境的影响，在复杂任务中表现更优。

## TesserAct的项目地址

- **项目官网**：[https://tesseractworld.github.io/](https://tesseractworld.github.io/?utm_source=ai-bot.cn)

- **Github仓库**：[https://github.com/UMass-Embodied-AGI/TesserAct](https://github.com/UMass-Embodied-AGI/TesserAct)

- **HuggingFace模型库**：[https://huggingface.co/anyeZHY/tesseract](https://huggingface.co/anyeZHY/tesseract)

- **arXiv技术论文**：[https://arxiv.org/pdf/2504.20995](https://arxiv.org/pdf/2504.20995)

## TesserAct的应用场景

- **机器人操作任务**：TesserAct 通过生成高质量的 4D 场景，帮助机器人更好地理解和预测环境的动态变化。例如，在物体抓取、分类和放置任务中，TesserAct 能提供精确的空间信息，显著提高机器人操作的成功率。

- **虚拟环境交互**：TesserAct 支持新视角合成和时空一致性的 4D 场景生成，例如，在虚拟现实（VR）或增强现实（AR）场景中，TesserAct 可以为用户提供更逼真的视觉体验。

- **具身智能研究**：TesserAct 为具身智能研究提供了强大的工具，帮助研究人员更好地理解智能体如何通过感知和动作与环境互动。

- **工业自动化**：在工业自动化场景中，TesserAct 可以帮助机器人更好地执行任务，例如在动态环境中进行物体识别和操作。时空连续性优化能力能适应复杂的工作环境。

## 常见问题解答 (FAQ)

### TesserAct 是什么类型的模型？
TesserAct 是一种 4D 具身世界模型，核心能力是预测 3D 场景随时间的变化，并响应具身代理的动作。它通过 RGB、深度和法线等多模态视频学习，强调时空一致性与新视角合成。

### TesserAct 对机器人操作有什么帮助？
它能为机器人提供更完整的空间与动态信息，帮助理解物体形状、位置和运动变化，从而提升抓取、分类、放置等任务中的操作成功率，尤其适合复杂环境。

### TesserAct 为什么比传统 2D 模型更强？
传统 2D 模型主要关注平面图像，而 TesserAct 将 RGB、深度和法线纳入联合预测，能更全面地表达场景结构与时间变化，因此在时空一致性、视角泛化和策略学习上更有优势。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
