デスクトップ GPU 1 枚で無限インタラクティブ世界生成、ABot-World-0 が 16FPS リアルタイム実現

要約

Hugging Face のチームが ABot-World-0 を発表した。AAA ゲーム・シミュレーション・インターネット動画から学習した行動条件付きビデオ世界モデルで、リアルタイムな長時間インタラクティブシーン生成を実現する。14 段階の品質検査と VLM ベースの評価を備え、LongForcing により長時間の自己回帰ドリフトを軽減する。単一の NVIDIA RTX 5090 上で 720P 画像を最大 16FPS でストリーミング配信でき、アクション入力から初フレーム表示まで 1.2 秒、ピーク VRAM は約 19GiB に抑えた。WorldRoamBench で操作性と長時間の一貫性を検証済み。