【免费下载链接】giga-world-1A Roadmap to Build World Models for Robot Policy Evaluation项目地址https://gitcode.com/gh_mirrors/gi/giga-world-1点击查看免费下载GigaWorld-1 是一款面向机器人策略评估的开源世界模型核心能力是根据多视角观测与动作控制生成机器人视频。其底层视频生成引擎依赖一个自研调度器GigaworldScheduler基于Flow Matching的自定义调度器内置三阶段金字塔采样与 UniPC 高阶求解器并支持Dynamic Shifting 时间步偏移——按输入分辨率自动重排噪声强度sigma分布让高分辨率视频在有限采样步数下更稳、更省。本文将带你读懂 Flow Matching 时间步的本质、偏移公式的推导逻辑以及项目中的关键源码位置。一、Flow Matching 基础时间步与 sigma 是什么传统扩散模型在复杂的噪声调度上曲折前行而Flow Matching的思路更直接把去噪看作噪声到数据之间的一条直线路径。前向加噪只需一个线性插值z_t (1 − t) · x₀ t · εx₀是干净的视频 latentε是随机噪声t也就是调度器里的sigma取值 01sigma1是纯噪声sigma0是最终视频。模型在每一步预测一个速度向量flow调度器负责沿这条路径一步步积分回来。调度器的全部工作就是决定每一步站在路径的哪个位置选时间步以及走多大步长sigma 的差值。 欧拉单步更新整个调度器的核心一行在 scheduling_gigaworld.py 的step()方法中推进一步的公式只有一行prev_sample sample (sigma_next − sigma) × model_output这正是欧拉法模型预测的速度 × 步长sigma_next − sigma沿流场前进一格。GigaworldScheduler 的所有高级特性——三阶段划分、动态偏移——本质上都是在给这条积分路径重新排点。二、GigaworldScheduler三阶段金字塔 静态 shift1️⃣ 三阶段金字塔采样stages / stage_range / gamma视频模型常采用低分辨率起步、逐级上采样的金字塔策略。调度器默认配置见initstages3stage_range[0, 1/3, 2/3, 1]把 sigma 从 1→0 的完整行程切三段gamma1/3阶段边界处的gamma 校正对下一阶段的起始 sigma 做修正init_sigmas_for_each_stage避免上采样后重新加噪时出现强度跳变set_timesteps(num_inference_steps, stage_index)只生成当前阶段的时间步与 sigma由 pipeline 按阶段循环调用。2️⃣ 静态 shift全局压缩时间步scheduling_gigaworld.py 中init_sigmas()会对均匀 sigma 施加一个固定 shiftsigmas shift · sigmas / (1 (shift − 1) · sigmas)shift 1时时间步整体向高噪声端聚拢——去噪前期结构生成获得更密的步数后期细节打磨更稀疏。这个 shift 是全局固定的由此引出了本文主角3️⃣ UniPC 高阶求解器更少步数、同样质量除了欧拉一步调度器还内置了UniPC 多步预测-校正求解器step_unipc默认solver_order2利用历史模型输出做二阶外推配合predict_x0与flow_predictionx₀ sample − sigma · model_output见 convert_model_output。这也是 Stage-2 DMD 蒸馏能把采样压缩到 4~6 步的底层支撑train_gigaworld_functrl_uni_stage2_dmd.py。三、Dynamic Shifting 深度解析分辨率自适应的时间步偏移❓ 为什么固定 shift 不够用机器人世界模型的输入是多视角观测拼接后的高分辨率 latent其序列长度远大于普通图像任务分辨率越高 → latent 序列越长 → 同样步数下高频细节所在的高噪声区间采样不足画面容易出现伪影。固定 shift 无法兼顾不同分辨率于是需要随输入动态调整 shift。 两步公式先算 mu再偏移 sigma核心工具在 utils_base.py第一步由序列长度计算偏移量 mu——calculate_shift()对 latent 序列长度做线性插值借鉴 SD3 的 resolution-dependent shifting 思路image_seq_len (C × H × W) // 4 # 考虑 1×2×2 的 patch 压缩 mu m · seq_len b m (max_shift − base_shift) / (max_seq_len − base_seq_len)默认参数base_seq_len256 → base_shift0.5max_seq_len4096 → max_shift1.15。分辨率翻倍mu 平滑增大。第二步用 mu 偏移 sigma 曲线——apply_schedule_shift()对所有 sigma 施加sigmas (mu · sigmas) / (1 (mu − 1) · sigmas)mu1时曲线不变mu1时sigma 整体向高噪声端偏移同等步数里高噪声段变得更密项目同时支持time_shift_typelinear默认与exponential对 exp(mu) 施加exp_max7.0上限防爆炸diffusers 兼容版调度器中还保留了等价的time_shift()/_time_shift_linear()/_time_shift_exponential()方法scheduling_gigaworld_diffusers.py。 在推理管线中启用 Dynamic Shifting以可控推理管线为例pipeline_gigaworld_functrl.py启用逻辑非常清晰先正常scheduler.set_timesteps(num_inference_steps, mu1)若传入use_dynamic_shiftingTrue重新生成均匀 sigmas0.999 → 0把真实 latent传入apply_schedule_shift()——mu 由此按本帧分辨率实时算出用偏移后的 sigmas 重算timesteps sigmas × 1000直接覆盖scheduler.timesteps与scheduler.sigmas后续采样循环无感使用。相关参数在 pipeline 的__call__中直接暴露pipeline_gigaworld.py参数作用默认值use_dynamic_shifting是否启用分辨率自适应时间步偏移Falsetime_shift_type偏移方式linear/exponentiallinearbase_image_seq_len/base_shift插值起点256 / 0.5可写进 scheduler configmax_image_seq_len/max_shift插值终点4096 / 1.15可写进 scheduler config 小技巧scheduling_gigaworld.py 文件末尾附有一段演示代码可直观对比shift1.0与shift3.0时三阶段 timesteps 的分布差异如999→743→385vs999→957→828建议通读一遍加深印象。四、关键源码文件导航文件职责gigaworld/scheduler/scheduling_gigaworld.py核心调度器欧拉step()、UniPCstep_unipc()、三阶段划分gigaworld/diffusers_version/scheduling_gigaworld_diffusers.pydiffusers 兼容版内置use_dynamic_shifting开关gigaworld/utils/utils_base.pycalculate_shift()/apply_schedule_shift()偏移公式gigaworld/pipelines/pipeline_gigaworld_functrl.py可控推理管线Dynamic Shifting 调用点infer/infer_giga_world.py推理入口train_gigaworld_functrl_uni_stage1.pyStage-1 可控预训练训练与推理共用该调度器五、总结三句话记住 GigaWorld-1 调度器积分路径Flow Matching 下每一步就是sample (sigma_next − sigma) × model_output调度器决定在哪、走多快三阶段金字塔stages/stage_range/gamma配合上采样重加噪让低分辨率起步、高分辨率收尾Dynamic Shifting分辨率越高 →mu越大 → sigma 曲线越偏向高噪声端同等步数下细节区采样更密——这正是 GigaWorld-1 在高分辨率机器人视频上又快又稳的关键设计。理解了这套机制后你可以放心调整shift、mu插值区间或求解器阶数为不同硬件与分辨率定制最省步数的采样策略。赞分享【免费下载链接】giga-world-1A Roadmap to Build World Models for Robot Policy Evaluation项目地址https://gitcode.com/gh_mirrors/gi/giga-world-1点击查看免费下载相关推荐GrapesJS 自定义 CSS 解析器深度解析GrapesJS 自定义 CSS 解析器深度解析 前言 在现代 Web 开发中可视化编辑器已成为提升开发效率的重要工具。GrapesJS 作为一个开源的 We前端低代码UI组件VarBERT本地模型集成DAILA让变量重命名自动化的完整方案VarBERT本地模型集成DAILA让变量重命名自动化的完整方案 DAILA是一款与反编译器无关的插件支持在反编译器中与AI交互包括GPT 4、ClaudOpenXLA/XLA 自定义调用Custom Call深度解析OpenXLA/XLA 自定义调用Custom Call深度解析 什么是XLA自定义调用 XLA自定义调用Custom Call是OpenXLA/XLA编译器人工智能高性能计算创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考