/ Модель

Характеристики

Лицензия
CC BY 4.0
Библиотека
safetensors
Опубликована
13 июл 2026

nano-world-model

Языковая модельИзображение, текст → action

Компактный нейросетевой симулятор, который по двум кадрам сцены и управляющему действию предсказывает следующий кадр для интерактивных сцен.

0скачиваний за 30 дней0лайковвеса обновлены13 июл 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

nano-world-model — компактная нейросетевая модель-симулятор, разработанная Institute for Physical AI @ BMI. Она по двум последовательным RGB-кадрам размером 32×32 и двумерному управляющему действию предсказывает следующий кадр сцены. Модель полностью свёрточная: четыре слоя свёртки 3×3 с активацией SiLU, остаточная связь с текущим кадром и сигмоида на выходе; всего 32 883 параметра. Цикл генерации можно запускать в браузере на устройстве, без отдельного физического движка.

Модель обучена на эпизодах сцены с инерцией и отскоками от стен методом авторегрессионной функции потерь с повышенным весом для областей движения. Она предназначена для интерактивных игровых или робототехнических сцен, где нужно предсказывать визуальный результат действия и последовательно строить новые кадры. В README приведены ошибки предсказания на один шаг и при 30-шаговом авторегрессионном прогнозе.

Это небольшая специализированная модель, а не универсальный симулятор: при длительном непрерывном прогнозе изображение может размываться, а объект — дрейфовать, поскольку каждый следующий кадр является предсказанием. Репозиторий содержит веса Safetensors и эквивалентные веса float32 для браузера. Лицензия — CC BY 4.0.

Сценарии применения

  • предсказание следующего кадра управляемой игровой сцены
  • создание браузерного интерактивного симулятора без физического движка
  • моделирование инерции и отскоков от стен по наблюдаемым траекториям
  • визуальная симуляция результата двумерного управляющего действия

Ограничения

При длительном авторегрессионном прогнозе объект может размываться или дрейфовать; модель приближённо предсказывает пиксели, а не решает физические уравнения. Обучение описано для сцены с инерцией и отскоками от стен.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

physicalai-bmi/nano-world-model

A learned simulator you can drive — in your browser. A small fully-convolutional network predicts the next frame of a controllable scene from the last two frames and your action. At run time there is no physics engine: the network is the simulator. Feed it your action, it paints the next frame, feeds that back, and paints the one after — a playable world, generated one frame at a time, entirely on your device. Drive it live at https://physicalai-bmi.org/research/world-model.

  • Input: 2 stacked 32×32 RGB frames + a 2-D action (broadcast to 2 channels) = 8 channels.
  • Model: 4× conv 3×3 (SiLU), residual around the current frame + sigmoid → next frame.
  • Params: 32,883 (~128 KB). Runs its whole loop in plain JavaScript.

How it learned

Trained by autoregressive rollout loss (motion-weighted) on episodes of a momentum + wall-bounce scene — the network watches trajectories and learns the dynamics (momentum, walls, the bounce) with no equations given to it.

Results

metricvalue
1-step next-frame MSE2.25 × 10⁻⁴
30-step autoregressive rollout MSE2.49 × 10⁻³
Rollout coherence (rover peak brightness over 50 steps)0.46–0.77
Action response (verified live, per direction)correct all four (Δ ≈ 0.25–0.47)

Honest limit: it is tiny and an approximation — over a long unbroken run the rover can soften or drift, because it guesses every pixel from what it learned rather than solving equations. The frontier versions of this idea (playable neural game worlds — Oasis, DIAMOND, GameNGen) are hundreds of millions of parameters and need a GPU; this shows the same mechanism, released and runnable, on the device in front of you.

Files: model.safetensors, model.web.json (float32 for the browser, bit-identical to safetensors), metrics.json. CC-BY-4.0, Institute for Physical AI @ BMI.

Как запустить

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

GPU в ailist

Универсальный рантайм · safetensors

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
7e2a160

0 моделей