Paper page - ABot-World-0: Infinite Interactive World Rollout on a Single Desktop GPU

Source: https://huggingface.co/papers/2607.19191 Authors:

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

我们提出ABot-World-0，一个动作条件视频世界模型，支持实时、长周期闭环交互，依托一个涵盖AAA游戏、模拟引擎和互联网视频的多源数据基础设施来学习可控世界动力学。WorldExplorer通过训练反馈指导智能体驱动式采集，同时一个统一流水线应用14项确定性质量检查、基于VLM的评估以及同步的动作与文本标注。我们通过教师强制和ODE蒸馏逐步将双向动作条件教师模型蒸馏为因果学生模型，并引入Long Forcing将学生模型的长自推出与扩展周期的教师模型对齐，从而减轻累积分布偏移和自回归漂移。原始键盘动作提供了统一的控制接口，用于场景漫游和第三人称角色交互，而参考角色记忆在第三人称推出过程中提供持久的外观线索以确保身份一致性。在部署方面，我们联合设计了流式推理栈，包含轻量级VAE解码器、高效注意力机制、内存感知调度以及低比特DiT推理。在优化的低比特配置下，ABot-World-0能在单个NVIDIA RTX 5090桌面GPU上以最高16 FPS流式传输720P视频，动作到首帧延迟为1.2秒，峰值VRAM约19 GiB。在WorldRoamBench和扩展交互推出上的实验展示了竞争性的可控性和连贯的长周期世界演化。

View arXiv page (https://arxiv.org/abs/2607.19191)View PDF (https://arxiv.org/pdf/2607.19191)Add to collection (https://huggingface.co/login?next=%2Fpapers%2F2607.19191)

Get this paper in your agent:

hf papers read 2607\.19191

Don’t have the latest CLI?curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用本论文的模型0

无模型链接本论文

请在模型README.md中引用arxiv.org/abs/2607.19191以建立从此页面的链接。

引用本论文的数据集0

无数据集链接本论文

请在数据集README.md中引用arxiv.org/abs/2607.19191以建立从此页面的链接。

引用本论文的Spaces0

无Space链接本论文

请在Space README.md中引用arxiv.org/abs/2607.19191以建立从此页面的链接。

包含本论文的收藏0

无收藏包含本论文

请将此论文添加至一个收藏 (https://huggingface.co/new-collection)以建立从此页面的链接。