IXThinker·2026-08-06 20:10

全球首個連續時間具身世界模型

讓機械人把一隻蝦夾起再放進鍋裏，最難的不是認出蝦，而是把握夾爪閉合的那個瞬間。新研究提出全球首個連續時間具身世界模型，支持任意幀率自由生成，直指傳統視覺世界模型依賴離散幀序列的根本局限。

離散幀困境

多數視覺世界模型認識時間的方式，來自鏡頭截取的離散畫面：它們看到第1幀、第2幀、第3幀，學習從一張圖跳到下一張。至於兩幀之間發生了甚麼、換一種幀率如何預測，模型往往沒有連續軌跡可查。