跳到正文
arXiv · 机器人与计算机视觉· Lorenzo Venturoli, Nedko Savov, Xi Wang, Marc Pollefeys, Luc Van Gool·· 2026-10-15AI 评分58

StateCraft:引入抽象状态推理以增强视频世界模型

StateCraft: Augmenting Video World Models with Abstract-State Reasoning

AI 导读

该研究针对视频世界模型在长交互中难以保持状态一致性的问题,提出了将持久化抽象状态与视觉状态解耦的新范式。架构 StateCraft 结合语言模型与视频扩散模型,利用抽象状态跟踪实体变化并条件化当前视图生成。作者在无监督数据管道上构建了基准测试,结果显示该方法在生成质量、记忆能力和可控性上超越现有基线,且支持对未观测状态的直接编辑及空间环境(如光照变化)的模拟。

来源:arXiv · 机器人与计算机视觉 · arxiv.org