学习世界如何演化：通过潜在动力学推理实现可外推的视频世界模型
研究团队提出了 Latent Dynamics Reasoning（LDR），一种显式建模运动动力学的视频世界模型方法，而不是仅拟合像素随时间的变化。LDR 在结构化潜在空间中对低阶动力学进行数值积分，并只学习预测展开所需的高阶残差。在涵盖五项物理任务的受控基准测试中，LDR 相比视频扩散模型，将分布内与分布外的误差差距缩小了 20 倍以上。同时，它使用的参数量减少了 26 倍，运行速度提高了 143 倍。即使物体的颜色、形状和运动方向发生显著变化，模型仍能外推已学习的动力学。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。