GeoWM：在显式几何中实现高效直接世界建模

GeoWM 直接在指定未来时点预测场景几何，无需递归 rollout。它用几何基础模型把观测 RGB 帧转为几何历史，条件化 flow-matching transformer 预测未来几何，并以轻量相机运动预测器提供几何先验。在覆盖城市驾驶、空中飞行与动态操作的四个数据集上，GeoWM 在深度、相机位姿与 3D 场景几何预测上优于所评估的世界模型，且长时点推理时间大幅降低。