arXiv 论文提出视频自编码器家族 CADRE：优化交互式世界模型压缩比与延迟

Rethinking Video Autoencoders for Interactive World Models arXiv 论文针对交互式世界模型过度沿用文生视频自编码器导致高延迟的问题，提出了因果扩散表征自编码器家族 CADRE。研究发现，在静态相机下机械臂操作更侧重时间维度的压缩，而在移动视角导航中空间压缩更关键。CADRE 通过冻结特征瓶颈与一步或几步扩散解码器，在多项机器人操作与导航基准中改善了生成画质与端到端响应延迟的前沿表现。