NVIDIA Apresenta WorldTrace para Otimizar Memória em Modelos de Vídeo Autoregressivos

A NVIDIA acaba de introduzir o WorldTrace, um framework inovador que resolve um problema crítico em modelos de vídeo autoregressivos, especificamente a “perda de memória” ao gerar sequências longas. Esses modelos, que constroem vídeos quadro a quadro, geralmente esquecem o que já aconteceu quando a geração excede o horizonte de treinamento. O problema central são os offsets temporais do RoPE (Rotary Positional Embeddings), que ficam fora de distribuição, tornando as memórias armazenadas inacessíveis, mesmo que fisicamente presentes.

O WorldTrace atua de forma “training-free”, ou seja, sem a necessidade de retreinar o modelo gerador. Ele garante que as memórias compactadas permaneçam acessíveis, atribuindo a cada slot de memória posições estáveis e dentro da distribuição, independentemente do tempo de execução. O framework possui dois componentes principais: o WorldTrace-Field, que melhora a coerência em gerações longas com agregação de histórico invariante à rotação, e o WorldTrace-Landmark, que permite a recuperação literal de cenas visitadas anteriormente, crucial para a memória episódica. Este avanço representa um ganho significativo na persistência visual e na consistência de longo prazo para a IA generativa de vídeo.

Esta nova técnica se conecta diretamente a esforços anteriores da NVIDIA no desenvolvimento de modelos de mundo e capacidades de IA. Em 21 de julho de 2026, o CEVIU News noticiou o lançamento do Cosmos 3 Edge, um world model de código aberto para robôs autônomos com IA de visão. O WorldTrace surge como uma peça fundamental para aprimorar o desempenho desses modelos de mundo. Enquanto o Cosmos 3 Edge oferece a base para a compreensão de ambientes, o WorldTrace adiciona a capacidade de reter e recuperar memórias visuais de forma eficaz ao longo do tempo, um requisito essencial para agentes autônomos que operam em cenários dinâmicos e de longa duração. Ele entrega uma solução prática para um gargalo conhecido em modelos como o Cosmos 3 Edge, tornando-os mais robustos e capazes de interações complexas.

A capacidade de um modelo de vídeo autoregressivo “se lembrar” de cenas passadas e manter a coerência em longas sequências é um divisor de águas para diversas aplicações. Isso é vital para a criação de mundos virtuais mais realistas, simulações interativas e, especialmente, para robôs autônomos e agentes de IA que precisam de uma compreensão contínua do seu ambiente. Ao garantir que a memória visual não se degrade com o tempo, o WorldTrace permite que a IA execute tarefas mais complexas, navegue em ambientes desconhecidos e aprenda com suas experiências de forma mais eficiente, impactando diretamente o desenvolvimento de IA que interage com o mundo físico.