研究人员开发了 ABot-World-0,这是一种新颖的、条件动作的视频世界模型,能够进行实时、长周期的闭环交互。该模型利用来自游戏、模拟和互联网视频的多样化数据基础设施来学习可控的世界动态。它在单个 NVIDIA RTX 5090 GPU 上实现了 720P 视频高达 16 FPS 的高效流式传输,动作到第一帧的低延迟为 1.2 秒,峰值显存使用量约为 19 GiB。 AI
影响 使得在可访问的硬件上,在模拟或现实世界环境中实现更复杂、更持久的 AI 交互成为可能。
排序理由 该集群描述了一篇关于新 AI 模型及其技术规格的研究论文。
在 Hugging Face Daily Papers 阅读 →
- ABot-World-0
- alphaXiv
- DagsHub
- Diffusion Transformer
- Gotit.pub
- Hugging Face
- LongForcing
- Nvidia Rtx 5090
- ScienceCast
- WorldExplorer
- WorldRoamBench
- vision-language model
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →