WorldGuide：面向流程任务执行的目标导向视频世界模型

WorldGuide 将流程视频生成建模为视觉世界空间中的闭环任务执行，仅凭初始图像和任务目标即可预测原子动作、生成对应视频片段，并据此选择下一步动作或终止。其 Planner 与 Executor 基于同一步级流程演示训练，配合分层视觉记忆控制长程执行的历史 token 开销。