10月22日，腾讯混元团队发布世界模型”混元WorldMirror 1.1″，并同步开源了模型代码。代码已上传至GitHub，Hugging Face上也上线了可直接体验的版本。这是继今年4月推出3D世界模型2.0之后，腾讯混元在世界模型技术路线上的又一次更新。

世界模型：给机器一双能”看懂空间”的眼睛

在聊新版本之前，有必要先厘清一个概念：什么是世界模型？简单来说，它是一种AI：接收照片或视频，把它们所处的空间重建为三维空间。输入的是二维的视觉信息，输出的是一个可以被度量、被交互的三维空间模型。

为什么说世界模型是机器人理解周边环境、自主移动的基础？可以设想这样几个画面：一台在仓库里搬运货物的机器人，需要知道货架在哪里、通道有多宽、障碍物离自己有多远；一台在家庭中提供服务的机器人，需要分辨餐桌、椅子和人的位置关系；一架无人机要自主穿越陌生的建筑内部，必须先知道墙壁、门窗和楼梯的空间布局。这些任务都建立在同一个前提之上：机器必须先在自己的”脑中”把所处空间还原出来。而世界模型做的，正是这件事——把照片、视频这样的二维视觉输入，转化为三维空间表达。机器有了这张”空间地图”，才能在其上做路径规划、避障和操作决策。可以说，没有空间理解能力，就没有真正的自主移动；世界模型正是这条技术链路上的关键一环。

1.1版本：多视角输入、单卡运行、一秒成景

“混元WorldMirror 1.1″在能力上有几处值得关注的更新。首先是输入方式：新版本可同时接收多角度拍摄的照片与视频。真实场景中的采集数据很少是整齐划一的——可能是不同机位拍摄的一组照片，也可能是沿途录制的一段视频，把这两类输入统一起来处理，意味着模型对真实采集条件的包容度更高，对使用者也更友好：手头有什么样的素材，就用什么样的素材，不必为了适配模型而重新采集。

其次是运行门槛：仅凭单张显卡即可运行。三维重建涉及大量空间运算，传统上对算力的要求不低，而单卡可运行把门槛降到了普通开发者的工作站也能承担的水平。这意味着更多的团队和个人开发者有机会亲手试用、二次开发，而不必依赖大型算力集群。

速度与流程也被压缩到了极致：输入8张至32张照片，1秒内即可输出三维场景；单次计算一次性提取空间的三维信息。换句话说，用户不需要反复迭代、层层调试，一次前向推理就能拿到完整的三维重建结果。对于需要快速建模的场景——比如让机器人现场”看”一眼房间就生成地图——这种”一次成型”的能力直接决定了技术的可用性。

从2.0到1.1：一条延续的技术路线

这次发布并非从零起步。今年4月，腾讯混元已经推出过3D世界模型2.0，而WorldMirror 1.1可以看作这一技术路线的延续与升级。从命名上也能读出一些信息：WorldMirror，直译为”世界之镜”，意在把现实世界”照”进数字空间；版本号1.1则表明，这是一次在既有框架上的迭代优化，而非推倒重来。一条技术路线能够持续迭代，本身就说明研发团队在这条路上看到了明确的价值和方向。

开源的意图：把空间重建能力交到更多人手里

比发布本身更值得注意的是开源。代码已上传至GitHub，Hugging Face上也提供了可直接体验的入口。对于开发者和研究者而言，开源意味着可以把模型拿来做二次开发：接入自己的数据、微调适配特定场景，或者把它嵌入机器人、无人机、AR/VR等应用链条中去。

世界模型这类基础技术的价值，很大程度上取决于有多少人用它、用到了哪些真实场景里。开源的生态意图正在于此：降低获取和使用的门槛，让更多的团队能够基于同一套基础能力去做上层应用。无论是做室内导航的创业公司，还是研究具身智能的高校实验室，都可以直接站在WorldMirror 1.1的基础上往前走，而不必从零训练一个三维重建模型。当一种基础能力被足够多的开发者使用，围绕它的工具链、数据集和应用案例就会生长出来，技术本身也会在真实反馈中越变越好。

综合来看，”混元WorldMirror 1.1″的发布呈现出一条清晰的思路：技术上，用多视角输入、单卡运行和一秒成景，把三维重建做得更快、更易用；生态上，用开源把能力开放给更广泛的开发者。而它的终极指向，正是开头提到的那个命题——当机器能够低成本、快速地”看懂”三维空间，机器人在真实环境中理解周边、自主移动的那一天，也就又近了一步。

来源：IT之家、AIbase