ナノ・ワールドモデル：未来動画予測のミニマル実装

- 未来のビデオ予測のための最小限のコードベース「Nano World Models」を提案。 - diffusion forcing を中心に据え、生成目的・モデル規模・行動条件付け・潜在観測空間・データセット・評価プロトコル・長期ロールアウト手順を統一インターフェースで提供。 - 制御環境、ゲームシミュレーション、実ロボットデータで実験し、予測パラメータ化、アーキテクチャ規模、行動注入、サンプリング予算、ドメイン複雑性がビデオ予測品質と自己回帰ロールアウトに与える影響を調べる。 - コード、設定、評価スクリプト、事前学習済みチェックポイントを公開し、再現可能で拡張可能な研究基盤を目指す。

- 産業規模のインタラクティブビデオ生成の進歩にもかかわらず、現代の world models の設計選択を研究するためのコンパクトで再現可能、かつ拡張容易な実装が不足。 - 既存研究では world-modeling の構成要素が別々の実装に絡み合っていることが多い。 - Nano World Models は統一インターフェースにより、それらを制御された形で研究できる点が優位。 - 具体的な先行研究名は要旨からは不明。

- diffusion forcing を中心とした未来ビデオ予測の最小限のコードベース。 - 生成目的、モデル規模、行動条件付けメカニズム、潜在観測空間、データセット、評価プロトコル、長期ロールアウト手順を統一インターフェースで提供。 - これにより、通常は別々の実装で絡み合う world-modeling コンポーネントを制御された研究が可能。 - 予測パラメータ化、アーキテクチャ規模、行動注入、サンプリング予算、ドメイン複雑性を実験変数として扱う。

- 単純な制御環境、ゲームシミュレーション、実ロボットデータを用いた実験を実施。 - 予測パラメータ化、アーキテクチャ規模、行動注入、サンプリング予算、ドメイン複雑性がビデオ予測品質と自己回帰ロールアウト挙動に与える影響を検証。 - コード、設定、評価スクリプト、事前学習済みチェックポイントを公開。 - 具体的な評価指標やベースラインは要旨からは不明。

- 産業規模のインタラクティブビデオ生成の進歩に対し、研究コミュニティにはコンパクトで再現可能、拡張容易な実装が不足しているという問題意識。 - 現代の world models の設計選択を研究するための実験基盤を提供することを目的とする。 - 予測パラメータ化、アーキテクチャ規模、行動注入、サンプリング予算、ドメイン複雑性の影響を議論。 - 具体的な限界や未解決課題は要旨からは不明。

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として diffusion forcing、world models、インタラクティブビデオ生成、自己回帰ロールアウトが挙げられる。 - 同分野の定番として Dreamer、PlaNet、VideoGPT、Genie などが考えられるが、要旨に記載はない。