← 返回 2026-09-26 简报

在世界模型中训练物体恒常性

Training Object Permanence in World Models

语音播报
摘要
事件:研究团队提出WROP框架,构建包含150个认知任务的Blender生成器,旨在训练视频世界模型具备物体恒常性能力。 要点:创建150万样本数据集及300题测试集,发布16B参数PWM-WROP模型,在盲测中表现优异并开源全部资源。 影响:为构建具身物理智能提供关键数据基础设施,推动视频生成模型向类人认知推理能力演进,降低相关研究门槛。

论文

arxiv:2609.28654
复制 Markdown

在世界模型中训练物体恒存性

发布于 9月23日
·
提交者
Hokin Deng
于 9月25日

1 今日论文

作者:
Haotian Zhang
,
Fengyuan Yu
,
Dezhi Luo
,
Haoran Sun
,
Zehong Zhao
,
Qingying Gao
,
Yihan Li
,
Siyuan An
,
Huayi Qin
,
Yilan Zhang
,
Zhengze Jiang
,
Pinyuan Feng
,
Renrui Zhang
,
Ziyu Guo
,
Letian Wang
,
Mengyue Yang
,
Kangfu Mei
,
Maijunxian Wang
,
Ran Ji
,
Vikash Kumar
,
Freda Shi
,
Chandra Sripada
+9位作者

摘要

物体恒存性和实体性是人类认知先验的标志。最近的研究表明,视频生成模型作为当前世界模型的典范类别,已展现出涌现的推理能力,使其成为构建类人物理智能的理想候选者。视频模型是否具备了涌现的物体恒存性?如果没有,我们能否使用受核心认知启发的数据集对其进行训练?我们引入了 WROP(World Reasoning with Object Permanence,基于物体恒存性的世界推理),这是一个由150个手工设计的、受认知科学启发的任务组成的数据基础设施,分为六个认知类别。我们构建了 Blender 生成器,在保持每个任务认知结构的同时随机化速度、光照、相机角度及其他干扰参数,从而为每个任务生成超过10,000个样本。我们发布了一个包含150万个样本的训练语料库和一份300道题的考试。在此考试中,我们评估了14个视频模型:3个参考到视频(reference-to-video)模型、7个编辑(edit)模型和4个续写(continuation)模型,其中包括 PWM-WROP,即我们的16B参数世界模型。在一项盲测成对 Elo 研究中,PWM-WROP 在续写模型中排名第一,总体排名第三,仅次于两个参考到视频模型之间的统计平局。我们发布了数据、考试、模型答案、分数、权重以及 PWM,这是我们在 AWS Trainium2 上的原生 PyTorch 训练栈。

查看 arXiv 页面
查看 PDF
项目页面
GitHub
8
添加到合集
社区
Hokin
论文提交者
约20小时前

物体恒存性是人类认知的基础。在此,我们展示了一个非常完整的数据基础设施,由一组非常多样化的物体恒存性认知任务组成,并且对于每个任务,我们都拥有一个基于 Blender 的数据生成器,允许将每个任务扩展至至少10,000个多样化数据样本。我们已经证明了该数据基础设施在训练具有物体恒存性的视频模型和世界模型方面的有效性。

查看翻译
回复
编辑
预览
通过拖拽、粘贴或点击此处上传图片、音频和视频。
评论

· 注册或登录以发表评论

赞成票
155
+143

在你的智能体中获取此论文:

hf papers read 2609.28654
没有最新的 CLI?
引用此论文的模型
1
Hokin/PWM-WROP
视频到视频
•
15B
•
更新于约3小时前
•
11
引用此论文的数据集
2
Hokin/object-permanence
更新于约3小时前
•
207
•
12
Hokin/object-permanence-benchmark
更新于约3小时前
•
152
•
11
引用此论文的空间
1
🫥
hugging-apps/pwm-wrop-object-permanence
包含此论文的合集
0

无包含此论文的合集

将此论文添加到合集中以从本页链接它。

本条评分 10.9 score-v1
  • 来源权威 9
    注册表 priority=9(HuggingFace Daily Papers)
  • 时效 1.945
    发布 22.5 小时前,衰减到 1.94/3.0
  • 多源印证 0
    只有 1 家在报(无旁证)
  • 社区信号 0
    无社区数据(本管线走 RSS,HN 的 hn_fetcher 未接入)

首次收录 · 2026-09-26 · 10.95 分

原文链接:https://huggingface.co/papers/2609.28654
来源:HuggingFace Daily Papers
以上内容由 AI 自动翻译,仅供参考。
← 返回简报