待验证50% 置信事实精确时间

GraftOOD研究揭示视频生成奖励优化中，模型追逐代理奖励时视频动态性会被削弱，这一现象被命名为'运动崩塌'（motion collapse）

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

GraftOOD：破解视频奖励优化中的"运动崩塌"难题

涉及实体

GraftOODconcept 运动崩塌concept

相关事实

待验证图生视频模型的核心挑战在于同时满足运动连贯性和终态一致性这两个可能冲突的约束，两者矛盾时模型往往在最后几帧产生突变67% 相似待验证奖励函数设计需在鼓励竞速前进与惩罚碰撞之间平衡，设计偏差可能导致智能体学出原地不动的退化策略63% 相似待验证帧缺失导致的不连续跳跃会使模仿学习模型学到包含突变动作的策略，部署到真实机器人上时可能导致碰撞、振荡甚至硬件损坏60% 相似待验证以视觉体验为唯一卖点的应用，用户新鲜感消退往往较快，持续留存取决于效果是否克制及对性能续航的负担59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1001536

API

curl https://kongchang.com/api/v1/knowledge/claims/1001536

MCP

get_claim(id=1001536)