ABot-World-0 ist ein Aktions-basiertes Videoweltmodell, das auf einer einzelnen NVIDIA RTX 5090 GPU bei 720P-Auflösung, maximal 16 FPS, einer Aktions-zu-Er...
ABot-World-0 ist ein Aktions-basiertes Videoweltmodell, das auf einer einzelnen NVIDIA RTX 5090 GPU
bei 720P-Auflösung, maximal 16 FPS, einer Aktions-zu-Erstbild-Verzögerung von 1,2 Sekunden und einem Spitzen-Videospeicherverbrauch von etwa 19 GiB eine unbegrenzte interaktive Weltgenerierung ausführen kann. Das Modell verwendet eine einheitliche, rahmensynchrone Tastaturaktionsschnittstelle, löst das Problem der langfristigen autoregressiven Drift durch eine LongForcing-Verteilungsabstimmungsphase und integriert Systemoptimierungen wie einen leichten VAE-Dekodierer, Low-Bit-DiT-Inferenz und lokale Kontext-KV-Caches.
arXivLabs is a framework that allows collaborators to develop and share new arXiv features directly on our website.
Have an idea for a project that will add value for arXiv's community? Learn more about arXivLabs ：https://info.arxiv.org/labs/index.html.
ABot-World-0是一种动作条件视频世界模型。据摘要，其可在单张NVIDIA RTX 5090上以720P、最高16 FPS运行，并支持无限交互式世界生成。
该模型采用统一的帧同步键盘动作接口，并通过LongForcing分布匹配阶段处理长程自回归漂移，同时结合轻量级VAE解码器等系统优化。
Aioga判断，这项研究值得关注之处在于将交互生成与桌面级单卡推理结合，但现有材料未提供画质、稳定性、任务覆盖范围或对比实验细节。
若摘要所述性能在更多场景中得到验证，该方案可能降低交互式世界模型的运行门槛，并为低比特DiT推理和局部上下文KV缓存的组合应用提供参考。 值得关注论文后续披露的完整实验设置、长时间交互结果、画质评估及硬件测试方法，并核验最高16 FPS、1.2秒延迟和约19 GiB显存数据的适用条件。
当前抓取源提供的是标题、摘要、来源和原文入口，不直接搬运完整原文。完整报道请通过下方原文链接前往来源站点查看。
抓取通道: 摘要聚合 · 原始域名: arxiv.org
Quelle: HuggingFace Daily Papers（社区热门论文）
原文链接: Originalquelle öffnen
Aioga 归档: 查看情报页
Content record: source-page · Updated: 2026-07-21T15:26:50.000Z
统一接入主流 AI 模型 API，为开发、测试与生产环境提供稳定调用入口。
立即访问 api.w173.com
Scan to open this articleAioga 自动聚合全球 AI 动态，并保留来源信息用于核验与引用。