arXiv · cs.AI · Hansen Jin Lillemark, Benhao Huang, Fangneng Zhan, Yilun Du, Thomas Anderson Keller · 5 小时前模型评分42
Flow Equivariant World Modeling：用结构化记忆提升动态环境下的世界模型预测
Flow Equivariant World Models: Structured Memory for Dynamic Environments
导读
研究者提出 Flow Equivariant World Modeling 框架，让潜在记忆随自身运动和推断出的外部物体运动做等变变换，从而在部分可观测条件下保持视野外区域信息对齐。在 2D 和 3D 部分观测视频世界建模基准上，该框架优于扩散模型、记忆增强和循环世界模型架构。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “In this work, we introduce Flow Equivariant World Modeling, a framework that leverages time-parameterized symmetries within a latent memory for stable and accurate dynamics prediction over long horizons.”
来源：arXiv · cs.AI · arxiv.org