3D-Belief: 通过生成式3D世界建模实现具身信念推理

arXiv 2026 49.2 method

TLDR

提出3D-Belief，一种生成式3D世界模型，使具身智能体能够从部分观测中推断并更新关于未观测3D空间的信念。

评分理由

The paper introduces a novel perspective on world modeling as embodied belief inference in 3D, with explicit uncertainty representation and online updating. Strengths include a clear conceptual shift from visual realism to structured uncertainty and real-world validation; weaknesses are the narrow focus on 3D scenes and lack of comparison to alternative world model paradigms.

Read-first 评分解释

综合优先阅读分 49.2，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 33。

近期性 6%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

引用影响力 18%

76.7

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.76681221

方法质量 18%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基准、实验

主题相关性 29%

47.1

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

可复现性 18%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：无

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

基础论文前沿论文桥接论文

排序敏感性

稳定性：volatile；排名波动范围：288。

关键词评分

world model

generative world model

interactive world model

world simulator

world dynamics prediction

model-based reinforcement learning world model

video world model

深度分析

创新点

将世界建模视为3D空间中的具身信念推断，维护并更新智能体关于未观测3D世界的信念
针对部分观测的空间一致场景记忆
多假设信念采样以表示3D不确定性
随时间顺序更新信念
基于语义信息的未观测区域预测
生成式3D世界模型，推断显式、可操作的3D信念并在线更新

方法

3D-Belief是一种生成式3D世界模型，从部分观测中推断显式3D信念并在线更新。它整合了空间一致场景记忆、多假设信念采样、顺序信念更新以及基于语义信息的未观测区域预测。该模型在2D视觉质量、使用提出的3D-CORE基准的3D想象以及模拟和真实世界的物体导航任务上进行了评估，并与最先进方法进行了比较。

关键结果

与最先进方法相比，3D-Belief提升了2D和3D想象质量以及下游具身任务（物体导航）的性能。

资源

论文