Decart 推出 Oasis 3：机器人训练的逼真低延迟世界模型
前沿 AI 研究实验室 Decart 推出 Oasis 3，一款旨在弥合合成仿真与真实 AI 部署鸿沟的世界模型。
本月发布的视频输出引擎，加速机器人与自动驾驶控制系统训练，使其在不可预测的真实环境中生存。
机器人开发者面临高质量训练数据稀缺，难以训练能驾驭复杂真实环境的系统。
车辆可在固定交通锥的静态停车场学会机动，但开放道路呈现更严苛场景：天气、光照、动态障碍物持续变化。
训练系统应对都市街道混沌——暴雨、突发障碍、无序交通——是 Oasis 3 直面的独特挑战。
机器人训练瓶颈
大语言模型 (LLM) 飞跃，但通用机器人——或物理 AI——滞后，主因是缺乏富媒体资源。
Bessemer Ventures 指出：LLM 开发者受益于抓取数十亿公开网页，而视觉-语言-动作 (VLA) 模型须在物理空间感知行动，无此奢侈。
VLA 模型摄入环境数据、处理、响应。训练三大路径：
- 远程操作——人类在受控服中模仿机器人动作。数据质量最高，但成本高昂、速度慢，大规模部署不切实际。
- 开放网络视频——易获取但混乱，缺一致环境、空间遥测、直接动作条件。
- 合成数据——中间地带，但当前物理引擎难及真实细微，导致所谓 sim-to-real gap（仿真到现实鸿沟）。
鸿沟在真实随机性——油污、易碎包装、意外碎片——打乱自主系统时显现，暴露其局限。
以闭环生成式仿真合拢鸿沟
Decart 称 Oasis 3 融合照真动态图形与强健物理引擎，突破现有虚拟训练极限。
嵌入单一高性能训练回路，Oasis 3 生成动作条件视频流，可生成开发者设想的几乎任何混沌场景，创建贴近现实的训练环境。
平台支持多视角、超写实、完全可控环境；自动驾驶汽车横向偏移触发生成流在 200 ms 内调整视角——满足强化学习实时性要求。
与 Nvidia 物理 AI 生态共同设计，Oasis 3 在 CoreWeave 专用云上以 22 fps 运行，交付 512×768×3 分辨率的交互式虚拟环境。
原生三相机视角保持多角度时空一致性，让自主系统准确感知深度与周边语境。
Oasis 3 通过 Decart API 访问，开发者可无缝集成至现有物理 AI 仿真管线。
训练机器人征服未知疆域
达成科幻级人形机器人，需训练机器人实时处理实验室无法复现的独特边缘情况——如自动驾驶车辆摄像头被泥遮挡时货物坠落路面。
Oasis 3 赋能开发者用简单自然语言提示创建此类事件的无限变体，跨角度、天气、路况。
以可承受成本让模型暴露于数百万隐患，确保对任何合理真实场景的就绪。
自动化控制系统
- Hahn Automation发布SmartSolutions：即插即用机器人模块实现快速直观工业自动化
- 韩华机器人与Wipro结盟，共拓印度协作机器人市场
- 开启工业4.0之旅：通过SICK培训掌握PLC上的IO-Link
- 梯形逻辑101：掌握自动化成功的基础
- 您的制造团队准备好迎接协作机器人了吗？
- Gebhardt 融合 AIoT 与边缘分析 实现无缝运营协同
- 波尔克县以科技赋能创新驱动美国制造业回流增长
- Universal Robots联手DLL推出灵活协作机器人租赁方案
- 自动化运营驱动利润复苏
- 精通一致性检查：确保流程合规的完整指南
- 英国客户呼吁：客服领域亟需更好的AI与聊天机器人
- 自动化制造线：新兴趋势与工业 5.0 洞察