ActWorld：通过动作感知记忆从可探索世界模型迈向交互式世界模型

交互式世界模型旨在模拟实时用户动作下的环境动态，但现有研究多局限于导航动作，缺乏物体交互能力。本文提出 ActWorld，一种支持中途物体交互的交互式世界模型。针对数据稀缺与记忆瓶颈（即近期偏差导致因果帧丢失引发的动作遗忘），我们构建了包含链式思维标注的 10 万条人机交互视频数据集，并设计了分层动作感知记忆机制。该机制依据交互重要性路由历史压缩，辅以持久记忆库维护事件更新与对象身份令牌。实验表明，ActWorld 在单一模型中实现了灵活导航与丰富交互，显著提升了交互保真度。