Fréchet Forcing：利用短视频训练长时程流式世界模型
流式世界模型逐步生成未来，但在长时间推演中可能逐渐偏离。Fréchet Forcing 将世界模型与多步采样器一同训练，无需外部教师模型或长视频。三项约束使生成结果以真实数据为基础、保持场景一致性并具备视觉真实性。研究使用最多 36 个 GPU 小时，以 381 帧视频微调此前用 253 帧视频预训练的 MiniWorld-1B。模型在超过 4,000 帧的推演中仍保持稳定，并在机器人操作和摄像头控制探索任务中继续遵循动作指令。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。