研究人员提出一种新型世界模型框架,通过结合扩散模型与Transformer架构,实现了对虚拟场景的动态交互与实时生成。该模型能够根据用户输入的动作指令,如移动视角、改变物体位置等,生成对应的连续视频帧,且保持场景一致性。
与传统世界模型仅能生成静态或预设路径的模拟不同,新框架支持用户在生成过程中实时干预,并动态调整环境状态。实验表明,该方法在复杂场景下的生成质量与交互响应速度均优于现有技术,为游戏开发、机器人仿真等应用提供了更灵活的工具。
长按识别二维码