机器人动作视频不再只求画面流畅:ReactWorld把角色与局部响应写进生成条件,RBench均分77.51
具身视频世界模型生成的画面可以很流畅,物体却未必按任务意图和接触关系作出反应。ReactWorld在生成骨干的特征空间里先预测交互响应场,明确谁参与、哪些局部区域会响应、响应多强以及随后如何移动,再把这些预测反馈到物体特征更新和跨帧信息读取中。在RBench上,它的平均分为77.51,比PhysisForcing高3.29分,并在全部九个类别上都有提升;在EZS-Bench上,Domain得分为86.98,平均分为81.87。