通过闭环世界建模实现视频化身中的主动智能
TLDR
提出ORCA，一种闭环世界建模框架，通过层次化推理和信念更新实现视频化身的自主目标导向行为。
评分理由
The paper presents a novel framework (ORCA) and benchmark (L-IVA) that address the lack of agency in video avatars by integrating internal world models with a closed-loop Observe-Think-Act-Reflect cycle. Strengths include a clear problem formulation (POMDP) and demonstrated improvements over baselines. Weaknesses are the lack of explicit real-world evaluation details and reliance on generative environments, which may limit generalizability.
Read-first 评分解释
综合优先阅读分 61，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 45。
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：200。
关键词评分
深度分析
创新点
- 闭环OTAR循环（观察-思考-行动-反思），在生成不确定性下实现鲁棒状态跟踪
- 层次化双系统架构：系统2（策略推理）与系统1（动作描述翻译）
- 将化身控制建模为POMDP，并实现连续信念更新与结果验证
方法
ORCA是一个通过闭环OTAR循环和层次化双系统架构体现内部世界模型（IWM）的框架。它将化身控制建模为POMDP，实现带有结果验证的连续信念更新，从而在开放域场景中自主完成多步任务。该框架在L-IVA基准上与开环和无反思基线进行了评估。
关键结果
ORCA在任务成功率和行为一致性上显著优于开环和无反思基线。