3D等视域世界模型——揭示城市不可见几何及其涌现的跨城市特征

arXiv 2026 56.3 method, application

TLDR

一种从历史等视域和动作预测三维等视域（可导航几何）的世界模型，揭示了跨城市空间特征。

评分理由

Strengths: novel predictive target (3D isovist) avoids appearance bias and preserves 3D structure; uses depth residuals and self-rollout sampling. Weaknesses: limited to two cities; abstract ends abruptly, lacking explicit real-world evaluation or benchmark results.

Read-first 评分解释

综合优先阅读分 56.3，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 29。

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

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：分析、基线、数据集、指标

引用影响力 18%

80.7

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：0.80650114

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：代码、数据集

主题相关性 29%

41.4

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

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方法锚点

排序敏感性

稳定性：volatile；排名波动范围：433。

关键词评分

world model

world dynamics prediction

generative world model

interactive world model

model-based reinforcement learning world model

world simulator

video world model

深度分析

创新点

将可导航几何建模为3D isovist（球形可见性深度图），而非外观或2D占用网格。
深度残差公式用于预测，以保留锐利建筑边缘。
自展开调度采样（self-rollout scheduled sampling）以保持几何流形上的损坏上下文。
持久潜在鸟瞰空间图用于跨路径一致性。
从时间潜在变量中可解码的涌现跨城市空间特征，表明城市身份在动态中学习而非外观。

方法

本文提出了一种具身世界模型，该模型根据过去短序列的3D isovist和移动动作预测下一个3D isovist。预测被公式化为深度残差，使用自展开调度采样进行训练，并配备持久潜在鸟瞰空间图。模型在曼哈顿和巴黎的数据上进行训练。

关键结果

一个单一的城市盲模型在曼哈顿和巴黎上训练后，发展出跨城市空间特征，城市身份可从其时间潜在变量中线性解码，远高于单帧基线。

局限性

仅在两个城市（曼哈顿和巴黎）上评估，因此对其他城市形态的跨城市泛化性未经验证。
isovist表示假设静态几何，忽略动态障碍物如车辆或行人。
该方法需要精确的深度感知来计算isovist，这在现实世界中可能不可用。
持久潜在BEV图可能引入额外的内存和计算开销。

技术栈

3D isovistdepth residualself-rollout scheduled samplinglatent bird's-eye-view (BEV) spatial mapneural network world model

资源

论文