ABot-World-0 在单张 RTX 5090 上滚动 720P 交互世界
Fan Jiang · hf · 2026-07-22
ABot-World-0 在单张 RTX 5090 上实现 720P 长时程交互滚动
这篇工作提出 ABot-World-0，是一个面向实时、长时程闭环交互的动作条件视频世界模型。
- 数据管线来自多个来源，包括 3A 游戏、仿真引擎和互联网视频。
- WorldExplorer 会根据训练反馈做 agent 驱动的数据采集；整条数据流水线还包含 14 个确定性质量检查、VLM 评估，以及动作和文本的同步标注。
- 模型从一个双向 teacher 蒸馏成 causal student，使用了 teacher forcing 和 ODE distillation。
- 作者还提出 LongForcing，把长时间自回滚与更长时域的 teacher 对齐，缓解分布偏移和自回归漂移。
- 交互接口用原始键盘动作统一支持场景漫游和第三人称角色互动，同时引入 reference-character memory 来保持外观一致性。
- 部署侧，他们联合设计了流式推理栈，包括轻量 VAE decoder、efficient attention、memory-aware scheduling 和 low-bit DiT 推理。
- 在优化后的低比特配置下，系统能在 单张 NVIDIA RTX 5090 上以最高 16 FPS 流式输出 720P 视频，首帧延迟约 1.2 秒，峰值显存约 19 GiB。
- 在 WorldRoamBench 和长回滚实验中，模型表现出较强的可控性与连贯的长期世界演化能力。
「具身」频道最新
- 纽约高中拟引入人形机器人遭教师反对 — nordicinst · 2026-07-27
- 新加坡国立大学做出无电子无外部供能软力传感器 — CurieuxExplorer · 2026-07-27
- Chelsea Finn：机器人 RL 的瓶颈是物理 rollout 成本 — ycombinator · 2026-07-27
- 机器人走到冰箱前拿出一瓶啤酒 — Darpinian · 2026-07-27
- 研究者用针织结构复现数字电路 — mtizard · 2026-07-27
- 本地 Qwen 模型驱动机械臂测试 78 款手机续航 — gappyvalley · 2026-07-27