Matrix-Game 2.0：一个开源、实时、流式交互世界模型

arXiv 25.8 2025 72.1 method, system

TLDR

Matrix-Game 2.0是一个开源交互世界模型，通过少步自回归扩散实现25 FPS的实时流式视频生成。

评分理由

The paper presents a novel framework that overcomes the real-time limitations of existing interactive world models through few-step distillation and causal architecture. Its strengths include open-source release and a scalable data pipeline, but it lacks real-world evaluation, relying solely on simulated environments (Unreal Engine, GTA5).

Read-first 评分解释

综合优先阅读分 72.1，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 48。

近期性 8%

86.7

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2025

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：有；数据：无；命中信号：代码、数据集、GitHub

主题相关性 42%

68.6

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：数据集

研究版图角色

前沿论文复现锚点

排序敏感性

稳定性：volatile；排名波动范围：95。

关键词评分

interactive world model

world model

video world model

generative world model

world simulator

world dynamics prediction

model-based reinforcement learning world model

深度分析

创新点

可扩展的数据生产管线，用于Unreal Engine和GTA5环境，生成约1200小时带有丰富交互标注的视频数据
动作注入模块，支持帧级鼠标和键盘输入作为交互条件
基于因果架构的少步蒸馏，实现25 FPS的实时流式视频生成

方法

Matrix-Game 2.0采用基于因果架构的少步自回归扩散模型，实时生成长视频。它包含一个动作注入模块用于帧级鼠标和键盘输入，并通过从Unreal Engine和GTA5环境生成的大规模数据集进行训练。模型使用蒸馏技术减少推理步骤，从而实现实时性能。

关键结果

Matrix-Game 2.0能够在多种场景下以25 FPS的超快速度生成高质量分钟级视频。

局限性

依赖Unreal Engine和GTA5的合成数据可能限制对真实场景的泛化能力
与完整扩散模型相比，少步蒸馏可能在生成质量上有所折衷以换取速度

技术栈

Unreal EngineGTA5diffusion modelcausal architecturefew-step distillation

资源

论文代码