TesserAct 是计算机视觉领域的开源项目，由 UMass-Embodied-AGI 开发，2025 年首次发布。
它收录于计算机视觉分类，该分类目前共有 447 个项目，GitHub 星标数为 408。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-03。从国内网络环境看，可直接访问。
它主要面向的使用场景是：机器人操作任务中的视觉预测与规划。同类可对比的替代方案包括 World Models、DreamerV3、Genie。
TesserAct
让机器人看懂并预测4D世界，实现具身智能
TesserAct 是 ICCV 2025 收录的 4D 具身世界模型项目，旨在解决机器人或具身智能体对动态三维世界的理解与预测问题。它通过将视频生成与 3D/4D 表示学习结合，构建一个可交互的时空世界模型，使智能体不仅能观察当前场景，还能预测未来状态并规划动作。核心能力包括：从多视角视频中学习 4D 场景表征、生成连贯的未来帧序列、支持动作条件生成，以及为机器人控制提供潜在规划空间。项目代码基于 Python 实现，技术栈涉及 3D 视觉、视频生成和具身智能，适合研究世界模型、机器人感知与决策的开发者。目前处于早期阶段，星标 405，但提供了官方实现和演示，便于复现论文结果。
开源
unknown
视频生成
GitHub 星标
★ 408
维护状态
低维护
是否开源
是
定价模式
unknown
项目数据
分类视频生成
开发团队UMass-Embodied-AGI
所属国家
定价模式unknown
价格说明定价信息待确认
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型3d,4d,embodied-ai,robotics,video-generation,world-models
GitHub 星标★ 408
30天Star增速
HF 下载量
上线时间2025-04-29 00:00:00
最近更新2026-09-03 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数2
使用教程
核心亮点
- 首次将4D场景学习与视频生成统一到具身世界模型框架
- 支持动作条件生成，可直接用于机器人规划
- ICCV 2025 论文官方实现，代码结构清晰，便于研究复现
不足之处
- 项目处于早期，文档和社区支持待观察
- 对计算资源要求高，普通设备难以跑通完整训练
适用场景
- 机器人操作任务中的视觉预测与规划
- 自动驾驶场景的未来帧生成与风险评估
- 具身智能体的仿真训练与交互学习
替代项目
World Models、DreamerV3、Genie
项目介绍
上一篇：gcd
下一篇：ShowAnything
同类项目推荐
modlens
开源
给纯文本编码代理装上眼睛，粘贴图片即刻获得结构化视觉证据。
The first vision plugin for DeepSeek Harness, and the vision bridge for every text-o···
opencv
开源
开箱即用的视觉算法库，搞定图像视频处理与识别
Open Source Computer Vision Library
OpenCVTutorials
开源
中文 OpenCV 教程，从入门到实战，边看边跑代码
OpenCV-Python4.1 中文文档
Olympus
开源
一个路由搞定所有视觉任务，免去逐个微调
[CVPR 2025 Highlight] Official code for "Olympus: A Universal Task Router for Comput···