标签
WorldRuler 是一个基于可执行 3D 规则图的生成式世界模型,能在保存与加载时持久化用户自定义规则与世界状态,并通过闭环的规则执行、视频生成与感知反馈准确实现规则引发的视觉变化。作者还基于 GTA-V 和 Habitat 构建了 RuleVerse 数据集以支持规则驱动交互的研究。
Google DeepMind 发布了 Genie 4 世界模型研究预览版,新增实时音频生成、更逼真的可交互世界,以及支持中途提示词编辑的实时操控功能。该模型可维持最长两分钟的场景一致性,并与 Gemini 深度集成,用于机器人仿真、游戏和影视原型制作等场景。
网友发现了一个名为 WeduLab 的宝藏网站,将物理、化学、生物、数学、地理等学科实验直接搬进浏览器,无需安装即可动手进行电路搭建、3D等高线、大气环流、水循环、细胞结构、DNA组装、分子构型等交互式模拟实验。
RAR(速率自适应推演)是一个让交互式世界模型以可控时间速率进行推演的框架,通过步幅旋转位置编码(Stride-RoPE)将不同采样速率的潜在帧对齐到共享物理时间坐标,实现多速率生成、未见速率泛化与在线速率切换,同时用多步长视频采样兼顾细粒度动态与长时程演化。
@jinglian 介绍并推荐「交互式教学工具集」WeduLab 的最新更新:新增 3 个工具(含 K12 化学元素周期表),累计已达 25 个开箱即用的 3D 交互式学科实验工具,覆盖物理、地理、生物、化学、数学等学科,作者 Teacher WY 计划在 Claude 可用的情况下持续更新。
Extend 工程师 Bo Lau 创建了一个高度细致的交互式网站,模拟坐在 Elizabeth Holmes 办公桌前的体验,其中包含取自 United States v. Holmes 刑事审判证物的真实邮件、短信、幻灯片和文件,甚至还有一台可运行的 Theranos Edison 机器复制品。
WIRED推出了一款名为《花掉Elon Musk的钱》的互动网页专题,让用户通过购买和捐赠等方式,在虚拟情境中分配这位科技亿万富翁的财富——这是一个轻松有趣的病毒式模拟游戏。
论文提出 Trace2Env,一个免学习的智能体语言世界模型框架,通过从历史交互轨迹重建环境世界书(world book)来模拟原始系统不可用时的交互环境。在九个环境上的实验表明,其在下一观测保真度和长程交互一致性方面优于基于提示的传统语言世界模型。
HelixWorld 是一个实时交互式视听世界模型,视觉场景与基于相机定位的空间立体声在用户交互下协同演化,通过教师-学生蒸馏管线在单块 GPU 上以 24 FPS 运行。该论文还提出了 HelixBench,用于评估合成声场的空间声学一致性。
这条推文描述了使用Claude Opus 5.5在浏览器中构建一个互动式Raptor 3火箭发动机模拟,允许用户通过动手交互探索火箭发动机的工作原理。
Magpie 是一个面向互动游戏的实时生成渲染系统,它将游戏逻辑与视觉生成分离,以降低资产制作成本并保持交互设计性。
DreamForge-World 0.1 预览版是一个低算力世界模型,可在消费级GPU上实现实时交互模拟,支持键盘/鼠标控制,在单个RTX 4090上以480p分辨率达到14-15 FPS。
一个使用ChatGPT和Three.js构建的交互式Alpha斯特林发动机模拟,具有动画运动学、热驱动运动和粒子气体动力学。
γ-World 是一个生成式多智能体世界模型,支持独立可控、排列对称的智能体,采用 Simplex Rotary Agent Encoding 和 Sparse Hub Attention 技术,实现了实时 24 FPS 的推演,并具有从两个玩家到四个玩家的零样本泛化能力。
OdysseyML 推出 Starchild-1,这是首个实时多模态世界模型,能够生成带有音频的交互式世界模拟,标志着向通用世界模拟器迈出了重要一步。
Overworld发布Waypoint-1.5,一款面向日常GPU的实时视频世界模型,具备改进的视觉保真度,并新增360p和720p档位以支持更广泛的硬件设备。
Google 推出了 Project Genie,这是一个面向 Google AI Ultra 订阅用户的实验性原型,允许用户使用 Genie 3 创建、探索和重新混合无限交互世界。
Google DeepMind 发布 Genie 4,这是其迄今最真实、最可交互的世界模型,基于 Gemini 构建,支持实时交互、键盘导航与自然语言控制场景,正向可信测试者和 AI Ultra 用户推出研究预览。