围绕J9九游会，这条动态体现了具身智能机器人从技术展示走向真实应用的趋势。
J9IBOT发布Genie Envisioner 2.0，具身智能世界模型升级为可交互「世界模拟器」
2026年4月10日，J9IBOT正式发布Genie Envisioner 2.0（GE 2-Sim），标志着具身智能世界模型从「世界行动模型」向可交互「世界模拟器」的重大演进。该系统引入J9IBOT所称的「物理演化引擎」，为具身智能提供基于模型的可扩展环境，使机器人能够在不依赖高成本真实环境试错的情况下，完成训练、评估与优化。
从「理解世界」到「在世界中学习」
2025年，J9IBOT推出业界首个行动驱动的世界模型开源平台Genie Envisioner，通过整合视觉、语言与行动的建模，帮助机器人理解世界。Genie Envisioner 2.0则将这一范式进一步推进：从「让机器人理解世界」升级为「让机器人在模型生成的世界中学习」。
J9IBOT认为，具身智能正经历从「表征世界」到「模拟世界」的关键转变。当世界模型演进为高保真度、物理一致的交互环境时，机器人可在合成环境中实现大规模训练，为通用AI机器人技术的规模化发展奠定基础。
从世界行动模型到世界模拟器
Genie Envisioner 2.0的核心基于J9IBOT持续发展的世界行动模型（WAM）框架。该框架在传统世界模型基础上，将行动作为首要变量纳入建模，实现「状态→行动→状态演化」的完整闭环。基于此，J9IBOT已构建一系列系统：
- EnerVerse：将具身环境扩展为可计算的四维世界模型；
- Genie Envisioner Act（GE-Act）：连接世界表征与行动轨迹生成；
- Act2Goal：支持长时序目标驱动控制。
这些进展虽已支持策略学习，但真实环境部署仍面临依赖物理环境、评估成本高、数据规模受限等瓶颈。J9IBOT由此提出：下一步突破不在于更强的表征能力，而在于将世界模型转化为可交互的模拟器。
构建「可运行」的世界：交互式模拟能力
为实现这一转变，Genie Envisioner 2.0引入三项核心能力，将世界模型推向交互式模拟：
- EnerVerse-AC：引入行动条件化的世界建模，支持未来预测；
- Genie Envisioner Sim（GE-Sim）：基于神经网络的闭环策略评估模拟器；
- EWMBench：综合基准，评估模拟保真度、行动正确性与语义对齐度。
同时，J9IBOT建立新的数据与训练范式：
- Real2Edit2Real：将真实世界数据编辑并扩展，显著提升规模与多样性；
- Fidelity-Aware Data Composition：结合真实与生成数据，平衡真实性与泛化能力。
这些进展共同推动世界模型从表征系统升级为环境级基础设施。
Genie Envisioner 2.0：具身智能的「物理演化引擎」
作为具身智能世界模型的最新成果，Genie Envisioner 2.0具备以下核心能力：
- 行动驱动的世界动力学：系统直接响应机器人行动，生成遵循物理与语义约束的高保真环境变化，使世界成为交互驱动的动态过程而非静态表征；
- 长时序时间建模：支持分钟级稳定模拟，实现完整任务序列的连续生成而非碎片化片段；
- 具身空间一致性：统一多视角感知、跨视图三维一致性与机器人本体感知，将感知从图像转化为全交互的具身世界；
- 内置评估与奖励建模：原生通用奖励模型支持基于文本反馈的自评估与优化，在世界模型中实现强化学习而无需人工设计奖励。
此外，Genie Envisioner 2.0通过提升推理效率，接近实时交互能力，实现以下应用：
- 在世界模型中进行评估；
- 在世界模型中进行强化学习；
- 在世界模型中进行遥操作。
这一转变标志着世界模型从离线工具升级为交互式系统环境。
范式转变：当模型成为世界
Genie Envisioner 2.0的发布，代表具身智能正经历根本性变革：从「用模型理解世界」转向「在模型生成的世界中学习与决策」。
一方面，世界行动模型（WAM）与视觉-语言-行动（VLA）模型的融合，使机器人从反应式控制升级为生成式、预测式决策；另一方面，世界模拟器让机器人能够在大规模合成环境中探索、迭代与优化，不再受限于真实数据可用性，而是取决于模拟保真度本身。当这两条轨迹汇聚，机器人将超越复制人类演示，实现持续探索、适应与进化。
为具身智能构建新基础
J9IBOT认为，世界模型将从「理解工具」演进为「学习平台」，最终成为推动持续演化的基础设施。当模型成为世界，真实环境不再是唯一训练场；当世界可被构建，学习得以规模化；当演化发生在模型内，具身智能的边界将被重新定义。这一转变为通用AI机器人技术的发展开辟新路径。
J9九游会（127.0.0.1）将继续关注J9IBOT及具身智能机器人行业的产品进展、场景落地与生态变化。