ICCV 2025 | TesserAct: 首个通用4D世界模型

点击下方卡片，关注「3D视觉工坊」公众号
选择星标，干货第一时间送达

3D视觉工坊很荣幸邀请到马萨诸塞大学阿默斯特分校博士生甄昊宇，为大家着重分享他们团队的工作：TesserAct。如果您有相关工作需要分享，欢迎文末联系我们。

TesserAct: Learning 4D Embodied World Models
论文：https://arxiv.org/abs/2504.20995
主页：https://tesseractworld.github.io
代码：https://github.com/UMass-Embodied-AGI/TesserAct

直播信息

时间

2025年06月30日(周一)10：30

主题

ICCV 2025 | TesserAct: 首个通用4D世界模型

直播平台

3D视觉工坊哔哩哔哩

扫码观看直播，或前往B站搜索3D视觉工坊观看直播

3D视觉工坊视频号也将同步直播

主讲嘉宾

甄昊宇
马萨诸塞大学阿默斯特分校博士生

马萨诸塞大学阿默斯特分校博士生，师从Chuang Gan教授，与Yilun Du教授合作开展研究。研究方向聚焦于具身智能、3D/4D世界模型与通用感知模型。他是TesserAct、3D-VLA、3D-LLM等工作的主要作者，论文发表于NeurIPS、ICML、ICCV等国际顶会。本科毕业于上海交通大学人工智能专业，期间曾在MIT等机构访问交流，实习于NVIDIA与Meshy。

个人主页：https://haoyuzhen.com/

直播大纲

TesserAct 是我们提出的首个通用四维具身世界模型，可从图像与指令出发，生成具有物理一致性的 RGB、深度（Depth）与法线（Normal）视频，重建具身环境中的动态场景，并指导机器人完成复杂操作。它不仅仅是视频生成，更是一个时空一致的四维场景，帮助机器人理解场景、预见未来、学习策略。

1. 3D/4D基础模型研究动机

2. 人类行为启发3DLLM、3DVLA如何与世界交互

3. 世界模型定义

4. TeaserAct 4D世界模型架构

5. TeaserAct 能力与潜在应用

6. 当前模型的局限性

7. 未来后续工作

参与方式

注：3D视觉工坊很荣幸邀请到马萨诸塞大学阿默斯特分校博士生甄昊宇，为大家着重分享他们团队的工作：TesserAct。如果您有相关工作需要分享，欢迎联系微信：cv3d009 请备注：直播宣传，则不予通过。