論文の概要: WorldPlay2: Extending Real-Time Interactive World Models in Control and Horizon

• arxiv url: http://arxiv.org/abs/2609.35560v1
• Date: Mon, 28 Sep 2026 16:28:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 20:49:43.854358
• Title: WorldPlay2: Extending Real-Time Interactive World Models in Control and Horizon
• Title（参考訳）: WorldPlay2: コントロールと水平におけるリアルタイムインタラクティブな世界モデルの拡張
• Abstract要約: インタラクティブな世界モデルは、多目的制御にリアルタイムで応答し、長い水平一貫性を維持する必要がある。 圧縮メモリと安定蒸留の共設計と、分解されたハイブリッド制御インタフェースを結合した対話型世界モデルWorldPlay2を提案する。
• 参考スコア（独自算出の注目度）: 50.51149739261809
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Interactive world models require responding in real time to versatile controls and maintaining long-horizon consistency. However, modeling heterogeneous controls remains difficult, while explosive contexts and unstable distillation impede achieving both long-horizon consistency and real-time responsiveness. In this paper, we present WorldPlay2, an interactive world model that couples a factorized hybrid control interface with a co-design of compressed memory and stable distillation. 1) Our factorized hybrid control interface integrates frame-aligned action control with structured semantic control that explicitly disentangles scene appearance, character identity, and dynamic semantic events, thereby facilitating effective control learning. 2) To achieve efficient long-horizon modeling, we compress historical contexts into compact memory tokens shared by the autoregressive student and the bidirectional teacher. This design enables clip-wise, memory-conditioned score evaluation instead of jointly processing an entire long rollout, substantially reducing distillation overhead. 3) We further propose Stable Forcing, which initializes the autoregressive student via a few-step strategy and leverages full-rollout replay to preserve the quality of long-horizon rollouts, ensuring robust and stable distillation. Extensive experiments demonstrate the strong generalizability of our model and its superior performance compared to existing methods.
• Abstract（参考訳）: インタラクティブな世界モデルは、多目的制御にリアルタイムで応答し、長い水平一貫性を維持する必要がある。 しかし、不均一制御のモデル化は依然として困難であり、爆発的な文脈と不安定な蒸留は、長い水平一貫性とリアルタイム応答性の両方を達成することを妨げている。 本稿では,圧縮メモリと安定蒸留を共設計したハイブリッド制御インタフェースを結合した対話型ワールドモデルWorldPlay2を提案する。 1) 階層型ハイブリッド制御インタフェースは, シーンの外観, キャラクタの同一性, ダイナミックなセマンティックイベントを明示的に歪め, 効果的な制御学習を容易にする構造的セマンティック制御とフレーム整列動作制御を統合している。 2) 自己回帰学習者と双方向教師が共有するコンパクトなメモリトークンに歴史的文脈を圧縮する。 この設計により、長期ロールアウト全体を共同処理する代わりに、クリップワイドでメモリ条件のスコア評価が可能となり、蒸留オーバーヘッドを大幅に削減できる。 3) 自動回帰学習を数段階の戦略で初期化し, 長期ロールアウトの品質維持にフルロールアウト・リプレイを活用し, 堅牢かつ安定した蒸留を確実にする, 安定強制型学習法を提案する。 大規模な実験は,既存手法と比較して,モデルの強い一般化性と優れた性能を示すものである。

関連論文リスト

• Directing the World: Fast Autoregressive Video Generation with Compositional Human-Camera Control [56.828569670698975]
  デレクシング・ザ・ワールド(Directing the World)は、人体動作とカメラ軌道制御を備えた、制御可能な世界モデルビデオ生成のための高速自動回帰フレームワークである。 私たちのキーとなるアイデアは、前もって統合された自己回帰ビデオを保持しながら、制御学習を分離することです。 人間の動作制御のために、t誘導型動的投射機構と洗練されたモーション-CFG戦略を設計する。
  論文  参考訳（メタデータ） (2026-06-26T11:08:09Z)
• INSPATIO-WORLD: A Real-Time 4D World Simulator via Spatiotemporal Autoregressive Modeling [44.09983529522167]
  INSPATIO-WORLDは、単一のビデオから高忠実なインタラクティブなシーンを復元し、生成できる新しいリアルタイムフレームワークである。 Implicit Spatiotemporal Cacheは参照と過去の観測結果を潜在世界表現に集約する。 Explicit Space Constraint Moduleは幾何学的構造を強制し、ユーザのインタラクションを正確かつ物理的に可視なカメラ軌道に変換する。
  論文  参考訳（メタデータ） (2026-04-08T15:31:22Z)
• UCM: Unifying Camera Control and Memory with Time-aware Positional Encoding Warping for World Models [54.564740558030245]
  UCMは、長期記憶と正確なカメラ制御をタイムアウェアな位置符号化変換機構を介して統合する新しいフレームワークである。 我々はまた、ポイントクラウドベースのレンダリングを利用したスケーラブルなデータキュレーション戦略を導入し、シーンの再考をシミュレートする。
  論文  参考訳（メタデータ） (2026-02-26T12:54:46Z)
• Infinite-World: Scaling Interactive World Models to 1000-Frame Horizons via Pose-Free Hierarchical Memory [101.2076718776139]
  複雑な実環境において,1000フレーム以上のコヒーレントな視覚記憶を維持することのできる,堅牢な対話型世界モデルを提案する。 我々は,歴史的潜水剤を固定予算の幾何学的表現に蒸留するpose-free Memory (HPMC)を導入する。 また,連続動作を三状態論理に識別する不確実性認識型アクションラベルモジュールを提案する。
  論文  参考訳（メタデータ） (2026-02-02T17:52:56Z)
• Controllable Long-term Motion Generation with Extended Joint Targets [5.580967710862411]
  COMETはリアルタイムに動作する自動回帰フレームワークであり、汎用的な文字制御と堅牢な長距離合成を可能にする。 我々のTransformerベースの条件付きVAEは、任意のユーザ特定関節を正確にインタラクティブに制御できる。 この機構はプラグイン・アンド・プレイのスタイリングモジュールとしても機能し、リアルタイムのスタイル転送を可能にする。
  論文  参考訳（メタデータ） (2025-12-04T05:44:15Z)
• RELIC: Interactive Video World Model with Long-Horizon Memory [74.81433479334821]
  真のインタラクティブな世界モデルは、リアルタイムの長距離ストリーミング、一貫した空間記憶、正確なユーザ制御を必要とする。 この3つの課題を完全に解決する統合フレームワークであるRELICを紹介します。 単一の画像とテキスト記述が与えられた後、RELICは任意のシーンをリアルタイムにメモリを意識した長期探索を可能にする。
  論文  参考訳（メタデータ） (2025-12-03T18:29:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。