CADRE系列交互式世界模型视频自编码器发布

发生了什么

据arXiv cs.CV报道，研究人员推出CADRE系列交互式世界模型视频自编码器，探索时空压缩对机器人操作与导航的影响。该系列包含多个时空压缩等级的因果扩散表示自编码器，成员间差异仅在于冻结特征的小瓶颈，并共享自蒸馏的扩散解码器。研究在操作和导航两个领域、各两个环境中训练相同世界模型，发现强压缩时扩散解码器优于感知回归，且操作中时间压缩在自编码器中更有效。研究还发现，操作和导航需要相反的压缩方式：静止相机下时间压缩成本较低，移动时需空间压缩。值得注意的是，静止相机下较粗糙的空间标记对运动的影响远大于图像质量。代码、模型和实时演示可在https://kyutai.org/blog/2026-10-21-cadre获取。