WorldGuide 发布闭环视频世界模型

论文作者发布 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：模型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。作者称，其 Planner 与 Executor 基于同一步级流程演示训练，并配合分层视觉记忆控制长程执行的历史 token 开销。作者同时开源了模型与 WorldGuide Bench。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。