ReactWorld：结构化交互预判引导具身视频生成

Hanwei Liu 等作者提出具身视频生成模型 ReactWorld，用结构化交互预判引导生成，以缓解生成的对象响应与任务意图、接触动力学不一致的问题。作者称，模型在生成骨干的特征空间中引入交互响应场预测器，显式描述参与者角色、未来运动响应强度和局部运动变化；响应反馈适配器根据对象分支在预测局部动力学输入与置零输入下的输出差异形成对象特征增量，并把预测位移转换为时间注意力的位置偏置。 作者报告，在 RBench 上平均得分 77.51，比 PhysisForcing 高 3.29 分，九个类别均有提升；在 EZS-Bench 上 Domain 得分 86.98、平均得分 81.87。该论文为 10 页、7 幅图的 arXiv 预印本，尚未经同行评议，上述分数为作者自报结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。