WorldFlow：视频与3D运动联合预测的生成式世界模型

研究团队发布 WorldFlow 论文，提出一个通过大规模预训练联合预测未来视频与基于 query 的 3D 轨迹的生成式世界模型，同时引入评测集 WorldFlowBench。 技术要点：模型将 3D 运动参数化为与视频网格对齐的连续位移 token，用统一的 Mixture-of-Transformers 骨干在 rectified-flow 目标下对两种模态去噪。训练数据为涵盖模拟与真实域的 144 万条物体级样本；WorldFlowBench 包含来自 11 个数据源、覆盖模拟与真实交互的 1678 条评测样本。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。