Video-Point Model：通过点轨迹预测学习4D世界

研究提出 Video-Point Model（VPM），以多视角视频历史和语言指令为条件，同时预测任意视角的未来视频与持续场景点的3D轨迹。作者扩展预训练世界模型，加入相机条件化的多视角处理和轨迹预测头，并构建 VPM-Data 仿真数据与 VP-WorldBench 基准。