ActionRoPE: action as coordinates for spatially consistent control in planar-camera game world models
ActionRoPE 將動作視為座標而非特徵,並把攝影機位移寫入 RoPE 位置編碼,令同一世界位置在不同影格保持一致的位置編址,控制路徑不增加參數。在 Wan2.2-5B 上,與四種常見動作注入方法相比,角色走遠再返回時的漂移減少 66%,PSNR 提升 2.8 dB。其介面可直接遷移至 1.3B 至 33B 的四種骨幹模型,並能在未見過的美術風格中維持控制。