ABot-World-0 é um modelo de mundo em vídeo condicional por ação, capaz de gerar mundos interativos ilimitados com resolução 720P, até 16 FPS, 1,2 segundos...
ABot-World-0 é um modelo de mundo em vídeo condicional por ação, capaz de gerar mundos interativos
ilimitados com resolução 720P, até 16 FPS, 1,2 segundos de atraso da ação para o primeiro quadro e cerca de 19 GiB de pico de memória de vídeo em uma única GPU NVIDIA RTX 5090. O modelo utiliza uma interface unificada de ações de teclado sincronizadas por quadro, resolve o problema de deriva autoregressiva de longo alcance através da fase de correspondência de distribuição LongForcing, e integra otimizações de sistema como decodificador VAE leve, inferência DiT de baixa taxa de bits e cache KV de contexto local.
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
Fonte: HuggingFace Daily Papers（社区热门论文）
原文链接: Abrir fonte original
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。