项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 773
使用教程
ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。
环境要求
- NVIDIA GPU 16G+
- Python 3.10+
- 数据集（自动下载）
安装与启动步骤
-
1克隆
极简的视频世界模型训练框架。
git clone https://github.com/simchowitzlabpublic/nano-world-model.git cd nano-world-model -
2同步环境
自带 nanowm 封装脚本。
./nanowm sync -
3检查 CUDA
先确认显卡与驱动可用。
./nanowm doctor --require-cuda -
4跑一个实验
从最小配置开始。
./nanowm python src/main.py experiment=dino_wm_pusht dataset=dino_wm/pusht model=nanowm_b2
如何确认成功
训练能起 step，且可视化里能看到预测帧。
注意事项
- 它的价值是把世界模型训练压到可读的代码量。
- 换数据集只改 dataset 参数，experiment 里定义了配套的评估。
- 显存不够先降 batch 与帧数。
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
上一篇：lmms-engine
下一篇：lpwm
同类项目推荐
RLHF-V
开源
用细粒度人类纠错对齐模型行为，大幅减少视觉幻觉。
[CVPR'24] RLHF-V: Towards Trustworthy MLLMs via Behavior Alignment from Fine-grained···
DataMate
开源
一站式搞定大模型微调与RAG的数据处理，让数据准备不再拖后腿
DataMate is an enterprise-level data processing platform designed for model fine-tun···
Kiln
开源
一站式搞定 AI 系统开发：从数据标注到微调评估，全流程可视化协作
Build, Evaluate, and Optimize AI Systems. Includes evals, RAG, agents, fine-tuning, ···
strands-env
开源
快速搭建智能体强化学习训练环境，直接对接 Strands Agents。
A unified framework for building agentic RL environments.
prime-rl
开源
让智能体多轮强化学习训练轻松扩展到大规模
Agentic RL Training at Scale
llm-mcts
开源
用蒙特卡洛树搜索增强LLM，让日常任务规划更靠谱
[NeurIPS 2023] We use large language models as commonsense world model and heuristic···
sapientml
开源
上传表格数据，自动生成并筛出可用建模流水线
Generative AutoML for Tabular Data
causalml
开源
量化每个动作的真实增量，把预算花在会被打动的人身上
Uplift modeling and causal inference with machine learning algorithms
hands-on-train-and-deploy-ml
开源
10步搞定ML模型训练到API部署，以加密货币预测为例
Train and Deploy an ML REST API to predict crypto prices, in 10 steps