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

AnyGoal：论世界模型在专家轨迹之外的泛化

arXiv 2026 40.6 benchmark

TLDR

提出AnyGoal基准，测试世界模型超越专家轨迹的组合泛化，发现现有模型在状态-动作因素重组上失败。

评分理由

The paper provides a clear benchmark and systematic analysis of world model generalization, with a useful open-source library. However, the abstract lacks quantitative results and concrete limitations, making the empirical impact less visible at this level.

Read-first 评分解释

综合优先阅读分 40.6，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 47。

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%
90

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：分析、基准、评估、指标

主题相关性 25%
67.1

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%
30

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

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

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：555。

关键词评分

world model
10
world dynamics prediction
9
world simulator
7
model-based reinforcement learning world model
7
generative world model
6
interactive world model
6
video world model
2

深度分析

创新点

  • 提出AnyGoal，一个基于广泛使用的世界模型环境构建的目标偏移任务变体基准，并附带开源库。
  • 将世界模型在专家轨迹之外的泛化问题框架为对熟悉状态与动作因子的组合泛化。
  • 跨模型家族、交互模式和评估指标，对动力学与表征失败进行了系统性分析。

方法

本文提出AnyGoal，一个基于广泛使用的世界模型环境构建的目标偏移任务变体基准。每个任务保持单个状态因子和动作处于其训练支持范围内，但使其组合在专家轨迹中代表性不足。作者在多个环境中评估多种世界模型家族，并跨交互模式和评估指标考察动力学与表征失败。

关键结果

在多个环境和世界模型家族中，当前模型在熟悉状态与动作因子的重组下持续表现出失败。分析显示了当前世界模型在何处能够泛化，以及目标偏移预测与规划仍面临的挑战。

局限性

  • 当前世界模型在熟悉状态与动作因子的重组下持续失败。
  • 目标偏移预测与规划仍存在挑战。
  • 数据覆盖、动力学泛化与下游规划性能之间的关系仍未得到充分探索。

资源

论文

标签