CLAW: 通过对抗性潜在正则化学习连续潜在动作世界模型

arXiv 2026 62.1 method

TLDR

CLAW通过对抗性潜在正则化和扩散模型从无动作视频中学习连续潜在动作世界模型，实现模仿学习和规划。

评分理由

The paper presents a novel end-to-end self-supervised framework that jointly learns latent action representations and world models without action labels, demonstrating strong performance in imitation and planning tasks. However, the abstract lacks explicit mention of real-world experiments or limitations, and the reliance on diffusion-based generation may introduce computational overhead.

Read-first 评分解释

综合优先阅读分 62.1，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 57。

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%

93.1

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：0.93061786

主题相关性 29%

81.4

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

基础论文前沿论文桥接论文

排序敏感性

稳定性：volatile；排名波动范围：495。

关键词评分

world model

generative world model

video world model

world dynamics prediction

world simulator

model-based reinforcement learning world model

interactive world model

深度分析

创新点

从无动作视频中端到端自监督学习连续潜在动作和世界模型
对抗性潜在正则化以强制学习结构化和语义有意义的潜在动作表示
基于扩散的视频生成用于建模丰富的预测性环境动态

方法

CLAW联合训练潜在动作模型和世界模型，使用对抗性潜在正则化和基于扩散的视频生成，直接从无动作视频中学习推断解释环境转换的连续潜在动作，无需任何动作标签或注释。

关键结果

在多种任务和实体上的大量实验表明，CLAW生成语义有意义的潜在动作表示，支持有效的动作迁移，并实现从观察中进行规划和模仿，优于现有方法。

资源

论文