FlowWM：高维特征空间随机世界建模 让AI学会推演多重未来

FlowWM，这是一个旨在解决视觉世界模型中未来预测不确定性的随机生成框架。研究指出，传统的确定性模型往往会产生模糊的均值预测，而基于 VAE 的模型则因压缩过度而损失了关键的感知细节。FlowWM 直接在 DINOv3 等高维预训练特征空间中执行流匹配（Flow Matching），从而在保留丰富语义信息的同时，能够捕捉多模态的未来可能性。为了克服高维空间训练的挑战，作者引入了一步投影机制（One-step Projection），通过该机制实现了高效的时空一致性约束和任务驱动目标优化。在合成物体碰撞及真实道路驾驶场景的基准测试中，该模型在物体检测和深度估计等感知任务上均表现出卓越的准确性、多样性及长期预测的稳定性。