Desbloqueando a generalização temporal em modelos de dinâmica de vídeo hamiltonianos

arXiv:2607.07763v1 Tipo de anúncio: novo Resumo: Modelos de mundo normalmente são treinados para prever dinâmicas físicas em tempo discreto, com um tamanho de passo fixo incorporado aos pesos do modelo, o que impede a previsão em resoluções temporais variáveis. Isso é importante para o planejamento hierárquico, para a transferência do simulador para o mundo real (sim-to-real) e para aplicações científicas ou de motores de jogos que precisam consultar a mesma dinâmica em múltiplas escalas de tempo. As Hamiltonian Generative Networks (HGN) oferecem um caminho fundamentado a seguir, ancorando as previsões em uma cont...