AGWM：面向组合前提环境的可供性基础世界模型

arXiv 2026 55.5 method

TLDR

AGWM学习一个前提依赖的有向无环图来追踪动作的可执行性，从而在具有组合前提的环境中改进多步预测。

评分理由

The paper clearly identifies a limitation of standard world models (ignoring action preconditions) and proposes a structured solution (affordance-grounded DAG). Strengths include addressing a specific problem and showing empirical gains in simulated environments. Weaknesses are the lack of real-world experiments and reliance on game-based simulations only.

Read-first 评分解释

综合优先阅读分 55.5，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 49。

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

引用影响力 18%

74.7

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：0.74735802

主题相关性 29%

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 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：实验、结果

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：无

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

前沿论文桥接论文

排序敏感性

稳定性：volatile；排名波动范围：383。

关键词评分

world model

world dynamics prediction

model-based reinforcement learning world model

interactive world model

generative world model

world simulator

video world model

深度分析

创新点

通过前提依赖的有向无环图显式建模动态动作可执行性
处理结构变化事件（SC事件），其中动作根据前提变为可执行或不可执行
基于可供性的世界模型，追踪可供性状态以改进多步预测

方法

AGWM学习一个抽象的可供性结构，表示为前提依赖的有向无环图（DAG），以显式追踪动作的动态可执行性。该模型在基于游戏的模拟环境中进行评估，与标准世界模型比较多步预测误差、对新配置的泛化能力和可解释性。

关键结果

与常规世界模型相比，AGWM实现了更低的多步预测误差、更好的对新配置的泛化能力以及更高的可解释性。

资源

论文