# SPW-Nav erzeugt 2K-360°-Videos aus Sprachbefehlen

> Forschende stellen SPW-Nav vor: Das Modell erzeugt in Echtzeit aus einem einzelnen Bild ein einminütiges 2K-Panorama-Video und folgt dabei gesprochenen Navigationsanweisungen.

Oossa · 2026-10-08 · https://oossa.com/de/spw-nav-streams-2k-360-video-from-language-instructions

Das Team um Ziqi Cai hat SPW-Nav vorgestellt, ein streamendes Panorama-Weltmodell, das Sprachbefehle in Live-360-Grad-Videos umsetzt. Als Ausgangspunkt dient ein einziges Panorama. Das System kann Anweisungen wie „nach links abbiegen“ oder „vorwärtsgehen“ befolgen und dabei eine hohe Videoqualität beibehalten. Durch sphärische Rotation und eine an die Kamerapose angepasste Konditionierung soll verhindert werden, dass die Darstellung in langen Streams zunehmend vom Kurs abkommt. Außerdem veröffentlichte das Team SPW-NavSet, einen Datensatz mit Panoramavideos, überprüften Kamerapfaden und Anweisungen.

## Die Fakten

- Arbeit am 2026-10-08 auf arXiv veröffentlicht
- Erzeugt in Echtzeit bis zu eine Minute 2K-360°-Video

## Warum es wichtig ist

VR-Apps könnten damit spontan virtuelle Rundgänge aus einem einzelnen Foto erstellen und wären weniger auf vorab aufgezeichnetes Material angewiesen.

## Quellen und Referenzen

1. [SPW-Nav: A Streaming Panoramic World Model for Language-Guided Navigation](https://arxiv.org/abs/2610.08941) – arXiv cs.CV, 2026-10-08

Zuletzt aktualisiert: 2026-10-08