#世界模型
高德开源的 AI 工坊,输文字或图片就能生成可实时交互的 3D 世界,还能连续跑 1 小时不崩,比同类 1 分钟长得多,且内置任意门随便穿梭。
高德发了ABot-World Studio,用一张5090就能生成小时级的实时3D场景和交互视频,做游戏或数字孪生都可以试试,门槛低了很多。
这篇论文用实验告诉你,深的世界模型在滚动预测时不一定管用——在DeepMind Control的9个任务里,有2个反而是早退浅层更好,而且原因竟然出在训练方式上。搞模型规划的值得看看。
蚂蚁发了14B的世界模型LingBot-World-Infinity,能生成60分钟视频模拟20个场景,用MoBA注意力解决长时间漂移。不过目前只开放了检查点,没有完整代码。
想低成本搞个能交互的虚拟世界?蚂蚁灵波开源了LingBot-World 2.0,小时级就能生成,还支持多人一起玩,比之前那些模型快多了。
LingBot-World 2.0 能生成一小时长、720p/60fps 的交互世界,Agent 驱动事件变化,像游戏一样可玩。
NVIDIA发了个Colab友好教程,教你搭简化版Cosmos 3世界模型,用Omnimodal MoT架构实现跨模态预测,比跑全量模型省资源。
Kyutai Labs开源了MIRA,一个在神经网络里直接跑《火箭联盟》的模型,5B参数、20fps,不用游戏引擎纯靠学习生成,比传统游戏模拟器有意思多了。
中国初创搞的世界模型火了,能反复推演不同情境,Hugging Face上热度第一,周鸿祎和陆奇都投了,做推理模型的朋友可以看看。
GloVe和Transformer的创造者Manning要讲语言模型怎么和机器人结合了,想了解具身智能世界模型的可以听听。
WorldEvolver通过三种记忆模块让智能体的世界模型在测试时自我进化,在ALFWorld和ScienceWorld上预测准确率最高,下游成功率也领先其他方法。
DreamForge-World 0.1 Preview让你在消费级显卡上实时操控世界模拟,支持键盘鼠标,15 FPS流畅运行,比那些需要超算的模型亲民多了。
World Labs要在SIGGRAPH 2026搞黑客马拉松,两天用世界模型做游戏和VFX,有兴趣的可以去看看。