/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
pytorch
Опубликована
1 окт 2026

Reka-Inverse-Dynamics-Model

Классификация видеоВидео → label

RIDM предсказывает игровые клавиши управления и повороты камеры по игровому видео или оптическому потоку.

0скачиваний за 30 дней4лайкавеса обновлены2 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

RekaAI разработала Reka Inverse Dynamics Model (RIDM) — два варианта модели на PyTorch для предсказания управляющих действий и движения камеры по игровому видео. Flow-вариант принимает оптический поток, рассчитанный RAFT-small, и выдаёт прогноз на каждое окно из 17 кадров; pixel-вариант работает с исходными кадрами и предсказывает результат для каждого кадра. Общее число параметров flow-варианта с замороженной RAFT-small составляет около 2,79 млн, pixel-варианта — около 9,84 млн.

Модель оценивает вероятности нажатия W/A/S/D и Shift, а также повороты камеры по yaw и pitch. Она обучена на игровых рендерах с автоматически полученными метками. Flow-вариант лучше обобщается на реальные видео; pixel-вариант ориентирован прежде всего на игровые записи и может выиграть от дальнейшего обучения. Выпуск предварительный: некоторые оценки не подтверждены, а в описанном тесте модель ошибочно предсказывала движение вперёд при неподвижной камере, которая только поворачивалась.

Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • восстановление нажатий клавиш из записи игрового процесса
  • оценка поворотов камеры по игровому видео
  • анализ траектории управления персонажем в игре

Ограничения

Модель выпущена предварительно, некоторые приведённые оценки не подтверждены. В описанном случае неподвижной камеры с панорамированием flow-вариант ошибочно предсказывал нажатие Shift; pixel-вариант может требовать дополнительного обучения.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Reka Inverse Dynamics Model (RIDM)

Two models predict camera motion (W/A/S/D/Shift, yaw, pitch) from video. Both trained on game renders.

flowpixel
InputOptical flow (RAFT-small)Raw frames
Parameters1,795,337 trained, plus 990,162 in frozen RAFT-small (2,785,499 in total)9,836,063
OutputOne prediction per 17-frame windowOne prediction per frame
Real-video turn accuracy91.551.1
Gaming footage turn accuracy84.970.9
Dependenciestorch, torchvision, av, opencv, safetensorstorch, av, opencv, safetensors

Repository contents:

Reka-Inverse-Dynamics-Model/
  README.md  LICENSE  NOTICE  requirements.txt  results.json
  flow/   model.safetensors  config.json  config_walking.json  inference.py  README.md
  pixel/  model.safetensors  config.json  inference.py  README.md
  assets/  demo and example prediction videos
  examples/  10 s sample clip and expected_flow_output.json
  tests/  test_smoke.py

Demo

The flow model on a walking tour of Bristol, with frame gap 12. Blue bars show the five keys. The dials show yaw and pitch in degrees. More clips are in assets/: walk-empty-street.mp4, turn-right.mp4 and the failure case failure-walk-key-with-no-walk.mp4. In the failure clip the camera stands still and pans. The model reports the walk key (Shift) at 0.72 to 0.98 in every window.

Which model to use

The flow model has better generalization capabilities to real videos. The pixel model might have a high potential for gaming footage especially if trained further.

Use

pip install -r requirements.txt
hf download RekaAI/Reka-Inverse-Dynamics-Model --local-dir ridm
python ridm/flow/inference.py clip.mp4 --stride 17
  • The script prints JSON. Each window has key_probabilities, keys_pressed, yaw_deg and pitch_deg.
  • Default settings match game footage. For walking video, run python ridm/flow/inference.py clip.mp4 --config ridm/flow/config_walking.json --stride 49.
  • To check your install, run pytest tests/test_smoke.py from the repository root. It runs the sample clip and compares with examples/expected_flow_output.json.
  • Each folder runs alone. See flow/README.md and pixel/README.md for details.
  • Tested with Python 3.12 and the versions in requirements.txt. Newer versions are untested.

Status: preliminary release. The scores marked † are unconfirmed.

Training data

  • Source: 4,071 recorded gaming footage plays, captured at 1,280 x 720 and 48 frames per second.
  • Labels: the game engine gives the keys, the mouse movement and the camera angles for every frame. Nobody annotates.
  • Flow model: 7,071,037 frame pairs. Pixel model: about 104,000 gameplay windows.
  • Both models trained on one NVIDIA L4 GPU.

License

  • The weights and the code in this repository use the Apache License 2.0. See LICENSE.
  • RAFT-small weights use the BSD-3 license. They come from torchvision and are not in this repository. See NOTICE.
  • The models trained on gameplay captures. This repository holds no game assets, no gameplay clips and no training data.
  • The videos in assets/ and examples/ are not Apache 2.0. They come from walking tours by POPtravel on Wikimedia Commons, licensed CC BY 3.0, and carry the model overlay or are shortened excerpts. Sources: Bristol, Ingolstadt, Bamberg.

Contact and citation

  • Questions and problems: open a discussion on this repository.

Citation

@misc{RIDM,
  title  = {Reka Inverse Dynamics Model for Interactive World Models},
  author = {Reka AI},
  year   = {2026},
  url    = {https://reka.ai/labs/research/reka-inverse-dynamics-model-for-interactive-world-models}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · pytorch · video-classification

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
5170853

0 моделей