WorldCraft：从相机导航到交互式视频世界模型中的物体操控

arXiv 2026 55.8 method, system

TLDR

WorldCraft将交互式视频世界模型从相机导航扩展到物体级轨迹操控，采用新颖的轨迹控制技术。

评分理由

The paper addresses a clear limitation of existing video world models (only camera control) and proposes a framework with three novel components (NWT, SP-LoRA, TASP). However, the abstract lacks mention of real-world experiments or benchmarks, making it unclear if the method is empirically validated.

Read-first 评分解释

综合优先阅读分 55.8，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 46。

近期性 6%

100

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：2026

引用影响力 18%

83.5

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.83548946

主题相关性 29%

65.7

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 18%

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：评估、实验

可复现性 18%

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：无；数据：无；命中信号：无

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

基础论文前沿论文桥接论文

排序敏感性

稳定性：volatile；排名波动范围：363。

关键词评分

interactive world model

video world model

world model

generative world model

world dynamics prediction

world simulator

model-based reinforcement learning world model

深度分析

创新点

将交互式视频世界模型从相机导航扩展到物体级轨迹动作
Normalized World Trajectory (NWT) 用于用户绘制运动的相机不变表示
Spatial-Pathway LoRA (SP-LoRA) 用于将世界空间信号注入模型的空间控制路径
Trajectory-Anchored State Persistence (TASP) 用于在轨迹条件生成后刷新自回归记忆

方法

WorldCraft采用以轨迹为中心的控制流程。首先，Normalized World Trajectory (NWT) 在相机不变的世界坐标系中表示用户绘制的运动，并在当前相机姿态下重新投影。然后，Spatial-Pathway LoRA (SP-LoRA) 通过模型的空间控制路径注入该世界空间信号。最后，Trajectory-Anchored State Persistence (TASP) 在轨迹条件生成后刷新自回归记忆，以在相机视野外保持物体状态。

关键结果

WorldCraft实现了精确的物体控制，在仅相机评估下保持了基于视频的世界模型的相机保真度，并在包含相机视野外移动的长自回归展开中维持物体状态。

资源

论文