Всемирное руководство: разработанная с учетом поставленных целей всемирная видеомодель для выполнения процедурных задач

arXiv: 2610.10.124559v1 Annuate Type: New Humber Abstract: Videoгенераторы и видео-модели мира могут синтезировать правдоподобные визуальные траектории, но для выполнения долгосрочных процедурных задач требуется генерация, чтобы адаптироваться к тому, что было фактически произведено. Модель должна определить следующее действие на основе своего генерируемого состояния, осуществить это действие и распознать когда задача будет выполнена. Появление открытых проб не может адаптироваться к результатам исполнения, в то время как существующие системы закрытых дверей часто опираются на предварительно подготовленных исполнителей или косвенную проверку. Это оставляет разрыв между принятием решения о принятии мер и их успешной реализацией. Мы сформулируем процедурное производство видео как выполнение задачи в визуальном пространстве мира и представляем текст be textbf {World Guide}. Учитывая только первоначальное изображение и задачу, World Guide предсказывает атомное действие, создает свой соответствующий видеоклип и использует полученный результат для выбора следующего действия или прекращения. Планировщик и исполнитель проходят подготовку по тому же процедурному аспекту.