[CVPR 2025] VideoWorld 是一个简单的生成模型,它纯粹从无标记的视频中学习 – 就像婴儿通过观察环境一样。
亮点:
- 证明视频生成模型可以在没有奖励信号的情况下学习复杂规则(例如围棋)。
- 介绍了潜在动态模型(LDM)，用于将视觉变化压缩成有用的潜在编码。
- 在围棋中达到5段专业水平，在机器人控制任务中表现出色(Calvin)。
主要特点:
- 侧重于在现实环境中可传递的知识和长期任务。
- 提出了解耦潜在动态模型（dLDM），以将动作动态与视觉外观分离开来。
- 在具有挑战性的手工基准测试中，任务成功率显著提高（最高达 70%）。
暂无开放 Issues，或尚未同步最近议题。