面向具身智能的世界模型综述
TLDR
提出具身AI世界模型统一框架与分类法，涵盖功能、时间建模、空间表示及开放挑战。
评分理由
Strengths: Provides a structured taxonomy and comprehensive overview of world models for embodied AI, including data resources, metrics, and quantitative comparisons. Weaknesses: As a survey, it does not introduce novel methods or experiments; the taxonomy may be subjective and open challenges are well-known.
Read-first 评分解释
综合优先阅读分 55.4，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 52。
研究版图角色
前沿论文方法锚点复现锚点
排序敏感性
稳定性：volatile；排名波动范围：833。
关键词评分
深度分析
创新点
- 提出了面向具身智能中世界模型的统一框架，形式化了问题设定和学习目标。
- 引入三轴分类法：功能（决策耦合 vs 通用）、时间建模（序列模拟与推理 vs 全局差异预测）、空间表示（全局潜在向量、令牌特征序列、空间潜在网格、分解渲染表示）。
- 系统整理了机器人、自动驾驶和通用视频场景下的数据资源和评估指标，涵盖像素预测质量、状态级理解和任务性能。
- 提供了对最先进世界模型的定量比较。
- 提炼了该领域的关键开放挑战。
方法
本综述对具身智能中的世界模型进行了全面的文献回顾，形式化了问题和学习目标。它构建了一个三轴分类法来对现有方法进行分类，系统整理了可用的数据集和评估指标，并对最先进模型进行了定量比较，以识别趋势和差距。
关键结果
该综述提供了对最先进世界模型的定量比较，并提炼了关键开放挑战，包括统一数据集的稀缺性、需要评估物理一致性而非像素保真度的指标、模型性能与实时计算效率之间的权衡，以及在缓解误差累积的同时实现长时域一致性的困难。
局限性
- 用于训练和评估的统一数据集稀缺。
- 需要评估物理一致性而非像素保真度的评估指标。
- 模型性能与实时控制所需计算效率之间的权衡。
- 在缓解误差累积的同时实现长时域一致性的核心建模困难。