概念Video World Model

视频世界模型

以视频生成为核心的预测模型，学习环境状态转移规律，给定当前观测与动作预测下一时刻视觉观测，可作为具身智能体的可微、可查询的学习型模拟器

时间轴 (近 90 天)

10月20日

研究团队提出用视频世界模型作为环境的低成本代理，在其中对 EWA 进行交互式强化学习（RL）后训练，以绕开昂贵真实环境搭建。

待验证50%

10月20日

在世界模型内部进行 RL 后训练，能在分布外（out-of-distribution）场景上为 EWA 带来明显增益。

待验证50%

10月19日

DeltaStreamer 提出变化感知回放机制，仅存储状态增量而非完整状态，从而在保留视频世界模型时间动态的同时大幅降低内存占用和延迟。

待验证50%

10月15日

传统视频世界模型将历史帧作为上下文来预测下一帧，在面对长程交互时存在结构性缺陷，因为模型生成的只是对整体环境的部分观测。

待验证50%

研究团队提出用视频世界模型作为环境的低成本代理，在其中对 EWA 进行交互式强化学习（RL）后训练，以绕开昂贵真实环境搭建。

在世界模型内部进行 RL 后训练，能在分布外（out-of-distribution）场景上为 EWA 带来明显增益。

DeltaStreamer 提出变化感知回放机制，仅存储状态增量而非完整状态，从而在保留视频世界模型时间动态的同时大幅降低内存占用和延迟。

传统视频世界模型将历史帧作为上下文来预测下一帧，在面对长程交互时存在结构性缺陷，因为模型生成的只是对整体环境的部分观测。