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。
「具身」频道最新
- Guava:2000 条仿真轨迹蒸馏 GPT-5.4 能力,4B 模型真机零样本操作 — ChongZzZhang · 2026-11-21
- Facet-SLAM 实时三角面 SLAM:RTX 4090 跑到 113 FPS — jonstephens85 · 2026-11-21
- RoboCap-10k 开源:11 国采集的 1 万小时第一视角机器人数据 — pabbeel · 2026-11-21
- Neuralink 患者用大脑意念玩 GTA VI,展示残障人士新可能 — mark_k · 2026-11-21
- ROS 周报:Colcon 网页仪表盘、MOCAP4ROS 2.0 与 ROSCon 比利时 — kscottz · 2026-11-21
- Neuralink 患者意念操控玩 GTA VI,脑机接口再秀实操 — Polymarket · 2026-11-21