Puffin-World：以原生 3D 世界状态扩展统一多模态模型

Puffin-World 是一个统一多模态架构，无需外部离线模块即可整合物理理解、空间模拟与 3D 世界生成和重建，联合建模物理（重力场与纬度）、几何（深度）、外观（图像）三种原生世界状态，并引入统一 Omni-Camera 表示。团队构建了含 1500 万视觉-语言-相机三元组和 100 万条轨迹的 Puffin-16M 数据集，并已开源代码、模型与数据集。