EditWorld：面向可交互世界的视频世界模型，支持精确编辑与灵活引用

研究团队发布视频世界模型模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身 EditWorld，将世界建模从探索扩展至精确修改。现有视频世界模型模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身侧重导航，用户可探索生成世界，但对已有内容的修改控制有限。EditWorld 在自回归生成过程中流式接收编辑指令与参考图像。为此引入 Gated Causal Attention，处理随时间变化的编辑条件与参考图像，并采用 Sparse Context 机制，为长时程推理维护有界历史上下文。训练上结合自回归与双向训练，配合退火自重采样，并构建专用数据合成与标注流程，为世界编辑提供监督信号。团队同时提出 WBench-Editing，用于系统评估流式世界编辑能力。EditWorld 在该基准上取得最佳综合表现，总体得分 73.8，编辑得分 80.0，在编辑相关指标上明显优于现有方法。项目已在 GitHub 开源开源把代码、数据集或硬件设计公开给所有人免费使用。机器人公司常用开源来换取开发者和科研生态的支持。◆ 小白科普 · 现身。