研究人员开发了 ABot-World-0,这是一种新颖的、经过动作条件约束的视频世界模型,能够进行实时、长视距的闭环交互。该模型利用包括 AAA 游戏和互联网视频在内的多源数据基础设施,学习可控的世界动态。它采用 LongForcing 等技术来减轻长视距回放过程中的分布偏移和自回归漂移。该系统可以在单个 NVIDIA RTX 5090 GPU 上以高达 16 FPS 的速度流式传输 720P 视频,在 WorldRoamBench 等基准测试中展示了具有竞争力的可控性和连贯的世界演变。 AI
影响 使得在消费级硬件上进行更复杂、更长时间的交互式 AI 模拟成为可能。
排序理由 该项目是一篇学术论文,详细介绍了一种新的技术方法和模型。[lever_c_demoted from research: ic=1 ai=1.0]
- ABot-World-0
- alphaXiv
- DagsHub
- Diffusion Transformer
- Gotit.pub
- Hugging Face
- LongForcing
- Nvidia RTX 5090
- ScienceCast
- WorldExplorer
- WorldRoamBench
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →