En ny metod gör det möjligt för artificiell intelligens att hantera dynamiska miljöer där föremål kan försvinna ur bild och dyka upp igen utan att tvinga systemet till felaktiga slutsatser. I motsats till tidigare modeller som behandlar omgivningen som statiska bakgrunder, kräver nya lösningar att systemet fungerar både som en noggrann arkivarier av stillhet och en vaksam spårare för rörliga objekt under hela tidsperioden.

Forskarna introducerar en hybridminnesstruktur som fungerar som en specialiserad databas med förmåga att komprimera information i token-format och hämta fram relevanta rörelseindikatorer vid behov. Detta säkerställer att identitet och rörelse bevaras även när ett objekt är helt utanför kameraöga. Genom att testa detta på en storleksmässig videodatabas uppvisar metoden överlägsna resultat jämfört med befintliga tekniker vad gäller konsistens och genererad kvalitet. Metoden löser därmed kritiska utmaningar i simulering av fysikaliska världar.

Kaijin Chen m.fl., "Out of Sight but Not Out of Mind: Hybrid Memory for Dynamic Video World Models", https://arxiv.org/abs/2603.25716