本文第一作者是杨昕迪，现为澳大利亚莫纳什大学博士生，博士导师是黄田津教授和蔡剑飞教授，主要研究方向是视频生成模型和世界模型。为突破现有局限，研究团队提出了交互式视频世界模型 Oneira，将”世界中发生了什么”与”画面如何呈现”分开处理，并通过 Coding Agent 维护的 World State Table 记录场景中的物体及其状态，从而能够精确地改变指定的物体，并持续保留改变后的状态。
本文第一作者是杨昕迪，现为澳大利亚莫纳什大学博士生，博士导师是黄田津教授和蔡剑飞教授，主要研究方向是视频生成模型和世界模型。为突破现有局限，研究团队提出了交互式视频世界模型 Oneira，将”世界中发生了什么”与”画面如何呈现”分开处理，并通过 Coding Agent 维护的 World State Table 记录场景中的物体及其状态，从而能够精确地改变指定的物体，并持续保留改变后的状态。