EA-WM：具有结构化运动到视觉动作场的事件感知生成世界模型

arXiv 2026 57.3 method

TLDR

EA-WM用结构化运动-视觉动作场和事件感知融合提升世界模型视频生成，在WorldArena达SOTA。

评分理由

The paper introduces a novel method to bridge kinematic control and visual perception for generative world models, with strong empirical results on a benchmark. However, it lacks explicit real-world robot validation and does not address model-based RL directly.

Read-first 评分解释

综合优先阅读分 57.3，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 50。

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%

72.6

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：0.72639911

主题相关性 29%

71.4

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：基线、基准、指标

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

前沿论文桥接论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：385。

关键词评分

world model

generative world model

video world model

world dynamics prediction

world simulator

interactive world model

model-based reinforcement learning world model

深度分析

创新点

结构化运动-视觉动作场，将动作和运动状态直接投影到目标相机视图，形成几何有根据的表示
事件感知双向融合模块，调节跨分支注意力以捕捉物体状态变化和交互动态

方法

EA-WM以预训练视频扩散模型为基础，将动作和运动状态投影到目标相机视图作为结构化运动-视觉动作场，然后使用事件感知双向融合模块调节跨分支注意力，捕捉物体状态变化和交互动态。该模型在WorldArena基准上进行评估。

关键结果

EA-WM在WorldArena基准上取得了最先进的性能，显著优于现有基线。

资源

论文