论文页面 - RAR：用于时间一致性交互式世界模型的速率自适应展开

来源：https://huggingface.co/papers/2610.16302

摘要

基于视频的交互式世界模型旨在实现实时、用户可控的环境。然而，大多数现有系统均以固定时间速率进行训练和展开，这既限制了运行时的速率自适应，也限制了物理时间跨度的覆盖范围——我们将这一局限称为时间速率耦合。具体而言，当运行时的生成吞吐量与模型学到的时间速率不同时，生成世界的演化就会意外地变慢或变快。此外，采用单一时间速率会在时间粒度与物理时间跨度之间形成固有的权衡：较高的速率能够捕捉更精细的运动，但在固定上下文窗口下覆盖的时长更短。为解决这两项局限，我们提出了速率自适应展开（RAR），这一框架使交互式世界模型能够以可控的时间速率进行展开。其核心组件 Stride-RoPE 将以不同速率采样的潜在帧对齐到共享的物理时间坐标上，从而实现一致的多速率展开、对未见速率的泛化，以及无需丢弃历史信息的在线速率切换。同时，RAR 采用多步幅视频采样，使模型能够联合学习细粒度动态与长时间跨度的演化。在动作控制和相机控制环境中，RAR 实现了时间一致的多速率展开和在线速率切换，同时保持了高速率生成的质量，并在相同训练预算下扩展了物理时间跨度。RAR 还可迁移至预训练世界模型，同时保持感知质量。

查看 arXiv 页面 (https://arxiv.org/abs/2610.16302)查看 PDF (https://arxiv.org/pdf/2610.16302)项目页面 (https://hkust-longgroup.github.io/RAR/)GitHub6 (https://github.com/HKUST-LongGroup/RAR)添加到合集 (https://huggingface.co/login?next=%2Fpapers%2F2610.16302)

在你的智能体中获取这篇论文：

hf papers read 2610\.16302

尚未安装最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用这篇论文的模型0

没有链接到这篇论文的模型

在模型的 README.md 中引用 arxiv.org/abs/2610.16302，即可从此页面链接到该模型。

引用这篇论文的数据集0

没有链接到这篇论文的数据集

在数据集的 README.md 中引用 arxiv.org/abs/2610.16302，即可从此页面链接到该数据集。

引用这篇论文的 Space0

没有链接到这篇论文的 Space

在 Space 的 README.md 中引用 arxiv.org/abs/2610.16302，即可从此页面链接到该 Space。

收录这篇论文的合集0

没有收录这篇论文的合集

将这篇论文添加到合集 (https://huggingface.co/new-collection)，即可从此页面链接到该合集。