Infinite-World: Schaalvergroting van Interactieve Wereldmodellen tot Horizons van 1000 Frames via Pose-Vrije Hiërarchische Geheugen
Infinite-World: Scaling Interactive World Models to 1000-Frame Horizons via Pose-Free Hierarchical Memory
February 2, 2026
Auteurs: Ruiqi Wu, Xuanhua He, Meng Cheng, Tianyu Yang, Yong Zhang, Zhuoliang Kang, Xunliang Cai, Xiaoming Wei, Chunle Guo, Chongyi Li, Ming-Ming Cheng
cs.AI
Samenvatting
Wij presenteren Infinite-World, een robuust interactief wereldmodel dat coherent visueel geheugen kan behouden gedurende meer dan 1000 frames in complexe real-world omgevingen. Hoewel bestaande wereldmodellen efficiënt kunnen worden geoptimaliseerd op synthetische data met perfecte grondwaarheid, ontbreekt hen een effectief trainingsparadigma voor real-world video's vanwege ruwe pose-schattingen en de schaarste aan viewpoint-herbezoekingen. Om deze kloof te overbruggen, introduceren wij eerst een Hiërarchische Pose-vrije Geheugencompressor (HPMC) die historische latenties recursief destilleert tot een representatie met vaste capaciteit. Door de compressor gezamenlijk te optimaliseren met de generatieve backbone, stelt HPMC het model in staat om generaties autonoom te verankeren in het verre verleden tegen begrensde rekenkosten, zonder expliciete geometrische priors nodig te hebben. Ten tweede stellen wij een Onzekerheidsbewust Actielabelingsmodule voor die continue beweging discretiseert naar een driestandenlogica. Deze strategie maximaliseert het gebruik van ruwe videodata terwijl de deterministische actieruimte wordt beschermd tegen corruptie door ruwe trajecten, wat robuuste actie-responsleren garandeert. Verder, geleid door inzichten uit een pilot toy-studie, zetten wij een Herbezoek-Dichte Fijnafstembare Strategie in met een compacte dataset van 30 minuten om de langetermijn lus-sluitingscapaciteiten van het model efficiënt te activeren. Uitgebreide experimenten, inclusief objectieve metrieken en gebruikersstudies, tonen aan dat Infinite-World superieure prestaties bereikt in visuele kwaliteit, actiebestuurbaarheid en ruimtelijke consistentie.
English
We propose Infinite-World, a robust interactive world model capable of maintaining coherent visual memory over 1000+ frames in complex real-world environments. While existing world models can be efficiently optimized on synthetic data with perfect ground-truth, they lack an effective training paradigm for real-world videos due to noisy pose estimations and the scarcity of viewpoint revisits. To bridge this gap, we first introduce a Hierarchical Pose-free Memory Compressor (HPMC) that recursively distills historical latents into a fixed-budget representation. By jointly optimizing the compressor with the generative backbone, HPMC enables the model to autonomously anchor generations in the distant past with bounded computational cost, eliminating the need for explicit geometric priors. Second, we propose an Uncertainty-aware Action Labeling module that discretizes continuous motion into a tri-state logic. This strategy maximizes the utilization of raw video data while shielding the deterministic action space from being corrupted by noisy trajectories, ensuring robust action-response learning. Furthermore, guided by insights from a pilot toy study, we employ a Revisit-Dense Finetuning Strategy using a compact, 30-minute dataset to efficiently activate the model's long-range loop-closure capabilities. Extensive experiments, including objective metrics and user studies, demonstrate that Infinite-World achieves superior performance in visual quality, action controllability, and spatial consistency.