一張桌機顯卡跑出無限互動世界:ABot-World-0 登上 HF 熱榜

Hugging Face 論文熱榜今天的頭名是 ABot-World-0,一個動作條件式的影片世界模型:輸入動作、即時生成下一刻的世界畫面,支撐長時程的閉環互動——白話說就是一個可以無限玩下去的生成式遊戲世界,而且跑在一張消費級桌機顯卡上。

團隊把工夫下在資料基建。訓練資料橫跨 3A 遊戲、模擬引擎與網路影片三種來源,學習可控制的世界動態;其中 WorldExplorer 模組讓 agent 依訓練回饋主動探索、決定接下來收什麼資料,統一管線再套 14 道確定性品質檢查、VLM 品質評估,以及動作與文字的同步標註。大模型先學會世界,再逐步蒸餾成單卡跑得動的版本。

世界模型是近月最擁擠的研究賽道:本站第 43 期報導過用遮罩擴散語言模型當 agent 練功房的路線,Google 的 Genie 系列則是影片世界模型的指標。ABot-World-0 的差異點在「單卡即時」——把世界模型從機房搬到桌機,意味著機器人模擬訓練、遊戲原型設計這些應用,個人開發者也開始摸得到了。