个人开源世界模型：任意图片变实时可控交互视频，RTX 3060 可跑
lucidml_lover · reddit · 2026-11-12
开发者 lucidml 发布其首个公开世界模型（HF: lucidml/gta），可将任意图片转为实时可控的交互视频，在 RTX 3060/4060 及以上显卡即可本地运行。
- 架构为使用 learned summaries 的 Transformer，技术报告见 lucidml.ai/summaryformer
- 提供 VAST AI 租用 GPU（307050 系）的网页 mini demo 可直接试玩；50 系多数性能被主动限帧浪费
- 作者承认一致性与画质仍有明显局限，计划继续训练改进
「具身」频道最新
- Scoble：X 低估 Meta、Google、Snap 与中国厂商的 VR 眼镜攻势 — Scobleizer · 2026-11-12
- Otto Pro 发布：专为 Agent 设计的本地小盒子，数据不出家门 — heyshrutimishra · 2026-11-12
- NVIDIA Isaac Orbit 升级为 Isaac Lab,支撑 GR00T 机器人训练 — animesh_garg · 2026-11-12
- Abbeel 组 SuperMimic：可微分世界模型让 sim-to-real 提速近千倍 — HirokatuKataoka · 2026-11-12
- UC Berkeley 开源 RoboSimStudio：AI Agent 无需训练数据编程工业机器人 — berkeley_ai · 2026-11-12
- NXP 发布无人机统一平台：开箱 30 分钟跑通初始飞行功能 — shashib · 2026-11-12