nano-world-model

用扩散强制训练世界模型，让机器人看懂视频并规划动作。

nano-world-model 是一个极简但功能完备的世界模型研究仓库，旨在推进世界模型科学的发展。它基于扩散强制（diffusion-forcing）技术，将视频生成、模型预测控制（MPC）和机器人操作规划整合到一个统一的框架中。项目解决了从视频数据中学习环境动态、并利用该动态模型进行规划和决策的问题，核心能力包括流式视频生成、基于模型的规划以及机器人操作任务的闭环控制。其设计强调极简和开箱即用，适合研究者快速上手和复现实验。

开源 free 视频生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 741

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类视频生成

开发团队simchowitzlabpublic

所属国家

官网地址https://simchowitzlabpublic.github.io/nano-world-model

GitHubhttps://github.com/simchowitzlabpublic/nano-world-model

定价模式free

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型diffusion-forcing,diffusion-models,model-predictive-control,nano,planning,robot-manipulation,streaming-video,video-generation,world-model

GitHub 星标★ 741

30天Star增速

HF 下载量

上线时间2026-04-30 00:00:00

最近更新2026-09-22 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

核心亮点

极简设计，依赖少，易于理解和二次开发
整合视频生成与模型预测控制，直接支持机器人操作任务
基于扩散强制技术，支持流式视频生成和长期规划

不足之处

早期项目，文档和社区生态尚不完善
对硬件资源要求较高，训练和推理成本不低

适用场景

学术研究：世界模型和视频生成算法的快速原型验证
机器人操作：基于视觉的闭环控制策略学习
视频预测：流式视频生成和未来帧预测

替代项目

DreamerV3、IRIS、Genie

项目介绍

nano-world-model 是模型训练领域的开源项目，由 simchowitzlabpublic 开发，是 2026 年新上线的项目。

它收录于模型训练分类，该分类目前共有 522 个项目，GitHub 星标数为 741。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-22。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：学术研究：世界模型和视频生成算法的快速原型验证。同类可对比的替代方案包括 DreamerV3、IRIS、Genie。

上一篇：lmms-engine

下一篇：lpwm