ActionRoPE：将动作作为坐标，实现平面相机游戏世界模型中的空间一致控制

arXiv 2026 36.7 method

TLDR

ActionRoPE将动作驱动的相机位移映射为世界坐标旋转位置，并引入坐标条件噪声调度，实现平面相机游戏世界中空间一致的控制。

评分理由

The paper proposes a novel action interface and noise scheduling approach to improve spatial consistency in game world models, with strong conceptual grounding in world-coordinate geometry and an empirical comparison showing a 66% reduction in revisit drift. Weaknesses include a narrow focus on planar-camera games and limited abstract-level detail on broader generalization or benchmark scope.

Read-first 评分解释

综合优先阅读分 36.7，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 41。

近期性 5%

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 15%

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：基线、指标、结果

主题相关性 25%

58.6

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 15%

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

图谱声望 15%

5.7

基于可用 OpenAlex 引用关系构建局部引用图，并计算 PageRank 风格的图谱声望。局部 PageRank：0.0016

引用影响力 15%

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。引用数：0

引用速度 10%

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

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：362。

关键词评分

world model

generative world model

interactive world model

world simulator

video world model

world dynamics prediction

model-based reinforcement learning world model

深度分析

创新点

ActionRoPE：一种无参数动作接口，将动作驱动的平面相机位移转换为世界坐标旋转位置，使对应同一世界位置的token在不同时间保持相同的位置地址。
坐标条件噪声调度（CNS）：基于已知-新空间不对称性，为每个token分配去噪调度，使已观测区域更早稳定，同时新出现区域参照它们生成。
识别出平面相机生成中的空间不对称性：初始观测覆盖的区域在几何上是已知的，而新显现的区域仍需合成。

方法

ActionRoPE将动作表示为平面相机位移，并直接将其编码为世界坐标旋转位置，而非使用特征条件化。坐标条件噪声调度根据token对应的是已知观测区域还是新显现区域，为每个token分配去噪调度。该方法与四种代表性动作条件化机制进行比较，使用从1.3B到33B参数的视频backbone，包括分布外场景，评估指标为指令运动忠实度和重访漂移。

关键结果

ActionRoPE比所比较的动作条件化机制更忠实地遵循指令运动，并在最强baseline基础上将重访漂移降低66%。同一接口可迁移至1.3B到33B参数的视频backbone以及分布外场景。

资源

论文