⌁ Awesome World Model Hub 论文 · 数据集 · 项目
English GitHub
← 返回论文列表

智能体世界动作模型

arXiv 2026 36.3 method

TLDR

提出AW-0智能体世界动作模型，融合代码规划与视频/动作预测，提升操作性能与技能复用。

评分理由

The paper presents a novel integration of code, video, and action generation in a unified architecture, with a curation pipeline for reusable skills and evaluation on simulation and physical bimanual tasks. However, the abstract omits quantitative results and specific limitations, making it hard to fully assess the claimed improvements.

Read-first 评分解释

综合优先阅读分 36.3，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 44。

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

主题相关性 25%
62.9

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

方法质量 15%
60

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、评估

可复现性 15%
38

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%
0

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%
0

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

排序敏感性

稳定性：volatile；排名波动范围：355。

关键词评分

world model
9
generative world model
8
video world model
8
world dynamics prediction
7
interactive world model
6
world simulator
4
model-based reinforcement learning world model
2

深度分析

创新点

  • 提出AW-0，一种智能体世界动作模型框架，将基于代码的规划与联合视频和动作预测相结合。
  • 提出统一的混合Transformer架构，将代码、未来视频和机器人动作作为三个耦合生成流联合建模。
  • 利用代码承担两个互补角色：在世界模型内构建多步预测与控制结构，并将技能表示为可复用程序用于智能体执行。
  • 开发自动化数据整理流水线，为机器人和人类视频轨迹标注对齐程序，并将重复例程整合为可复用技能库。

方法

AW-0在统一的混合Transformer架构中将代码、未来视频和机器人动作作为三个耦合生成流联合建模。代码专家生成参数化技能例程和控制逻辑，视频与动作专家生成未来视觉状态和低级运动指令。自动化数据整理流水线为机器人和人类视频轨迹标注对齐程序，并从重复例程构建可复用技能库。

关键结果

在RoboTwin 2.0和物理双臂操作任务上的评估表明，相比VLA和WAM基线，任务性能提升，并在语言跟随、语义推理和鲁棒性方面取得额外改进。

资源

论文

标签