WorldDirector：构建具有持久动态内存的可控世界模拟器

arXiv 2026 45 method, system

TLDR

WorldDirector利用LLM协调的3D轨迹将运动与视觉生成解耦，实现具有持久动态对象记忆的可控视频世界模型。

评分理由

Strengths: novel decoupling of semantic motion and visual generation, enabling persistent object identity and controllability. Weaknesses: abstract lacks details on evaluation metrics and real-world validation; reliance on LLM may introduce latency or inconsistency.

Read-first 评分解释

综合优先阅读分 45，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 52。

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

主题相关性 29%

74.3

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：实验、结果

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：GitHub

引用影响力 18%

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。引用数：0

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

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：432。

关键词评分

world simulator

video world model

world model

generative world model

world dynamics prediction

interactive world model

model-based reinforcement learning world model

深度分析

创新点

将语义运动编排与视觉生成解耦
使用LLM协调3D轨迹与相机运动作为视频生成的控制信号
持久动态对象记忆，在长时间遮挡后保留实体的视觉身份

方法

WorldDirector将运动编排与视觉生成解耦：一个LLM协调3D对象轨迹和相机运动，这些作为视频生成器的控制信号。这确保了物理逻辑和外观稳定性，使得动态对象即使在离开并重新进入场景时也能保持持久记忆。

关键结果

该方法合成复杂且持续时间长的事件，具有前所未有的可控性和持久动态对象记忆，在长时间离开视野后保留精确的视觉身份。

技术栈

LLM3D trajectory coordinationvideo generation model

资源

论文