实测 NVIDIA Cosmos 3:镜头移开 8 秒,世界模型就忘了房间

PrateekVJoshi · x · 2026-11-21

作者实测 NVIDIA 的交互式 Cosmos 3 世界模型时发现一个关键短板:模型对镜头运动的跟随很好,但如果镜头移开约 8 秒再回来,房间状态就变了——它能记住房间里有钢琴、摇马这些东西,却不记得它们原来的位置。

模型有一个可选的历史检索(history retrieval)功能,但在他的测试中未能完全解决问题。作者认为这正是「生成逼真视频」和「维持持久世界」之间的鸿沟:对物理 AI 而言,系统必须记住镜头视野之外发生的事,这和生成眼前所见同样重要。

原文链接 →

「具身」频道最新

更多「具身」频道 AI 资讯 →