推出 Oasis 3：首个面向物理 AI 的交互式世界模型

2026年6月10日

今天，我们推出 Oasis 3 —— Decart 的旗舰交互式世界模型，这是迈向机器人成为日常现实之未来的重要一步。

机器人即将无处不在：行驶在我们的道路上，在我们的仓库中工作，在我们的家中提供帮助。瓶颈不在于雄心或硬件，而在于训练：机器人必须先体验这个世界的全部复杂性与危险，才能被信任在其中行动。

今天我们发布 Oasis 3，这是一个为物理 AI 构建的生成式世界模型，首先从自动驾驶汽车开始。它能够根据单个提示生成无限多样、超逼真、可交互的环境——而且它是首个可通过 API 访问的世界模型，从第一天起即可实时使用。如果你正在训练机器人，今天就可以开始使用它。

探索 Oasis 3

‍

/A.01

为什么世界模型很重要？

机器人就像人一样，通过示例和经验来学习——尝试、犯错、反馈。仅仅观看演示是不够的；机器人必须行动、失败，然后再试一次。换句话说，机器人学习需要闭环：机器人行动，世界做出响应，机器人从接下来发生的事情中学习。

现实世界是做这件事的糟糕场所。它缓慢、昂贵且不安全——而且它几乎从不提供最重要的情境。训练机器人最难也最重要的部分，是让机器人接触到罕见的、长尾的事件：孩子追着球跑进积雪的街道，卡车在黄昏闯红灯。你无法在现实世界中安排这些事件，你也不会想这么做。

于是行业转向了仿真。经典模拟器是很好的第一步，但它们存在三个结构性问题：

1. 规模：每个环境都需要数百小时的专家人工构建，因此对现实世界多样性的覆盖永远无法企及。
2. 视觉Sim2Real差距：它们的图形看起来更接近电子游戏而非现实，因此机器人在仿真中看到的内容与其摄像头在道路上看到的内容并不匹配。
3. 物理Sim2Real差距：模拟器的物理精度达不到真实水平，使得在模拟器中训练的机器人难以部署到真实世界环境中。

机器人真正需要的是另一种东西：足够逼真、能够迁移到现实世界的环境，足够可交互、能够在闭环中学习的环境，足够多样、能够覆盖长尾场景的环境，以及足够廉价、能够运行数百万小时的环境。这正是世界模型理应提供的东西。

‍

/A.02

Oasis 3 是什么

Oasis 3 是一个生成式世界模型：输入文本提示，输出一个鲜活的世界。机器人可以在一个无限世界中实时行动，并获得逼真的观察结果与反馈。环境并非生成一次后反复回放——它会根据机器人的动作持续演化。具体而言：

• 可提示生成。仅凭一句提示即可生成任意环境。在经典模拟器中，一个以埃菲尔铁塔为背景的雪夜场景过去意味着专家数周的工作量；在 Oasis 3 中，它只需一句话。对于那些最重要却最少发生的场景同样如此：白茫茫的暴风雪、山路与隧道、被泥浆、蒸汽或碎片遮挡的摄像头。
• 超写实。Oasis 3 基于生成式 AI 而非手工制作的资产构建，产出的视觉效果达到真实生活品质，而非电子游戏品质——弥合了使经典模拟训练数据无法迁移到现实世界的差距。
• 无限且可交互。Oasis 3 实时生成无界长度和复杂度的闭环交互。其他世界模型在几分钟后就会达到上限，或退回到通用性较差、无法捕捉现实世界全部复杂性的方法。
• 机器人原生。大多数世界模型接受键盘和鼠标输入——它们是为人类构建的。Oasis 3 以机器人动作为条件，并输出同步的多摄像头观测结果，因此机器人能够像在现实世界中一样看到自己周围的一切。
• 可通过 API 访问。此前，世界模型要么是研究演示，要么是封闭的内部工具。Oasis 3 是首个可以直接调用的模型：从第一天起就提供 API 访问，可直接集成到真实的机器人仿真流水线中。

大多数世界模型都要做取舍：通用性、长度或效率。Oasis 3 无需让你做选择。

‍

/A.03

我们如何实现

实时流式扩散。Oasis 3 以自回归方式生成世界——逐帧生成，每一新帧都以之前的帧以及机器人的最新动作为条件。正是这种动作条件化闭合了回路。扩散是一种通用解决方案，它随数据扩展，并且不像高斯泼溅这类表示那样受到明确的边界限制——这正是 Oasis 3 能够生成无界、完全通用的世界，而不是回放固定场景的原因。Oasis 1 和 Oasis 2 背后的同一套实时基础，使生成在漫长、无界的会话中保持连贯——在生成过程中不断纠正漂移，而不是任其累积。

多视角一致性。机器人并非通过单一摄像头观察世界。具备几何感知能力的架构使 Oasis 3 的三个同步摄像头视角在空间上彼此保持一致，因此输出呈现为一个连续的世界，而非三段相互独立的视频——机器人的全景环视感知也因此得以被忠实地训练和评估。

真实数据与后训练。超写实效果并非凭空而来。Oasis 3 基于真实世界数据进行训练，并通过专门针对写实性的后训练加以精修，这正是其输出有别于经典仿真那种电子游戏观感的原因。

DOS——Decart 优化栈。世界模型将被用于模拟数百万小时，因此可用性取决于效率。DOS 以 100 倍的效率提供实时、即时可交互的生成。如今，Oasis 3 在 512×768×3 下以 22 FPS 运行，延迟低于 200 ms。

该系统运行在 CoreWeave 专为 AI 打造的云和 NVIDIA HGX B200 系统上，并使用包括 cuBLAS 和 cutlass 在内的 CUDA 库进行优化。该模型使用 Hugging Face 上的 NVIDIA Physical AI Open Dataset 进行训练，支持实时仿真工作流所需的性能。

‍

/A.04

你可以用它做什么

Oasis 3 支持机器人生命周期的每一个环节（学习、练习、测试），并解锁了一类全新的物理 AI 工作流：

• 在线强化学习：使用强化学习在生成式世界模型内部进行训练：策略执行动作、获得反馈，并在闭环中不断改进。
• 策略评估与验证：在部署之前，针对真正重要的确切场景进行测试。
• 高保真遥操作：让人类操作员控制机器人系统，在 Oasis 3 内部创建示例，从而生成人类专家的训练示例。

我们已经在与行业领导者紧密合作，让通用机器人离现实更近一步。

‍

/A.04

未来的时代

Oasis 最初是作为游戏领域的交互式世界模型而诞生的。通过 Oasis 1 和 Oasis 2，我们实现了虚拟世界的实时生成与交互；而借助 Oasis 3，这同一基础如今正在为物理 AI 提供动力。

我们从自动驾驶汽车起步，之后将推广到其他具身形态和行业——包括应对灵巧操作的人形机器人和制造机器人，以及数据稀缺的越野和更广泛的移动系统。我们的愿景是：每一个机器人，无论多么简单或复杂，都在 Oasis 世界模型内部接受训练和评估——在虚拟世界中安全地与真实世界的全部复杂性进行交互，其规模是真实世界永远无法允许的。

每一个机器人都将在世界模型内部接受训练。那个时代从今天开始。

阅读文档并获取 API 访问权限