StateCraft：抽象状态推理增强视频世界模型

2026年10月15日，arXiv Computer Vision 刊出 Lorenzo Venturoli 等作者的论文，提出 StateCraft 架构。该架构将可持久更新的抽象状态与视觉状态解耦，用语言模型搭配视频扩散模型演化动态世界。为支持训练与评估，作者开发了一条数据收集管线，可在无人或智能体监督下大规模生成信息丰富、密集标注的轨迹，并配套一个衡量生成质量、记忆与可控性的基准。论文称，在该基准上其方法超越现有最优基线，并在长轨迹中保持高自一致性与生成质量。由于抽象状态是显式的，可直接编辑，生成结果能跟随数据中从未出现过的状态编辑。此外，一项概念验证的 3D 实验显示，当动作改变一个未观测房间的光照时，该范式也可应用于空间环境。

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。