TesserAct

让机器人看懂并预测4D世界，实现具身智能

开源 🏷️定价信息待确认 ✅ 目前可打开视频生成 🍴 复刻 20 🐛 待处理 1 👀 关注 5

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 412

维护状态低维护

是否开源开源

定价模式 🏷️定价信息待确认

项目预览

项目数据

分类视频生成

开发团队UMass-Embodied-AGI

官网地址https://TesserActWorld.github.io

GitHubhttps://github.com/UMass-Embodied-AGI/TesserAct

定价模式🏷️定价信息待确认

价格说明定价信息待确认

访问状态✅ 目前可打开

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★ 412

上线时间2025-04-29 00:00:00

代码更新2025-08-04

仓库体积27.7 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数3

项目介绍

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。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 412

技术标签

3d embodied-ai robotics video-generation world-models

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：高级约 120 分钟部署方式：本地GPU 5 步

环境要求

Linux
CUDA GPU（显存 ≥24G 更稳）
conda
Hugging Face 权重

安装与启动步骤

1按论文环境建 conda

官方指定 Python 3.9，别用更新版本硬凑。
```
conda create -n tesseract python=3.9 -y
```
2装依赖

视频生成依赖重，装之前先确认 CUDA 版本对得上。
```
pip install -r requirements.txt
```
3下预训练权重

Hugging Face 上有官方模型，按 README 指的位置放。
4跑一次推理

输入图像加文本指令，输出 RGB、深度、法线三路视频。
5看 4D 重建结果

三路视频对齐后才构成 4D 场景，单看 RGB 说明不了问题。