H3-World: управление виртуальным миром через языковые модели

Исследователи представили H3-World — систему, которая преобразует текстовые инструкции в управление персонажем и камерой через предобученный языковой путь MiniMax-H3. Метод использует временную привязку действий к видео-латентам и достигает контролируемой анимации всего с 8 000 сэмплов геймплея и 0,199% обучаемых параметров через LoRA.