言語理解を世界制御へ変える「H3-World」を発表

記事の3ポイント

1. 1

   自然言語による精密制御の実現

   既存の MiniMax-H3 動画生成器の粗いインターフェースを、キャラクターとカメラの指示を構造化して時間軸にアライメントさせることで、精密な世界制御へと転換する。

2. 2

   テンポラル・アテンション・ルーティング

   各指示を意図した時間区間に制限し、アクション間の制御漏れ（コントロールリーク）を削減する「テンポラル・アテンション・ルーティング」技術を導入して精度を向上させる。

3. 3

   軽量な適応と汎用性

   大規模事前学習で得た意味表現を直接再利用し、わずか 8,000 のゲームプレイサンプルと 10,000 ステップの LoRA 最適化で実効的な制御を実現する。