simchowitzlabpublic/nano-world-model
A Minimalist, Batteries-included Repository for Advancing World Model Science.
What it solves
Nano World Model は、動画ワールドモデルをトレーニングするためのミニマリストでオープンソースのフレームワークを提供します。過去の状態とアクションに基づいて動画シーケンスの次フレームを予測できるモデルのトレーニング、検証、評価のパイプラインを簡素化することで、将来の動画予測の複雑さに対処します。
How it works
本プロジェクトは diffusion‑forcing という手法を用いて将来の動画フレームを生成します。Hydra ベースの設定システムで管理された統一パイプラインにより、トレーニングと推論を処理します。モデルは自己回帰的な長期ロールアウトを実行でき、フレームを順次予測し、アクション注入を統合して予測結果に影響を与えることができます。DINO‑WM、RT‑1、CSGO などの様々なデータセットをサポートしています。
Who it’s for
このツールは、動画予測、ロボティクス向けワールドモデル、具現化インテリジェンスに取り組む研究者や開発者向けに設計されており、アブレーション実験や新しいアーキテクチャのテストを行うためのクリーンで透明なコードベースを提供します。
Highlights
- Minimalist Design: NanoGPT にインスパイアされ、使いやすさと最小限の依存関係で高速セットアップを実現。
- Diverse Applications: 長期動画生成、MPC スタイルのプランニング（CEM 使用）、ロールアウト動画からの 3D 点群再構築をサポート。
- Scientific Transparency: モデルチェックポイントへのフルオープンソースアクセスと、モデルスケールやアクション注入に関するヘッドツーヘッドのアブレーション研究を提供。
- Broad Dataset Support: ポイント迷路、ロボット操作（PushT）、ゲーム環境（CSGO）など、複数の環境に対応。