通过世界模型与自主人工智能的边缘通用智能：基础、解决方案与挑战

arXiv 25.08 2025 58.9 survey

TLDR

综述世界模型与自主AI集成实现边缘通用智能的基础、应用与挑战。

评分理由

Strengths: Comprehensive survey bridging world models and edge AI, with clear applications. Weaknesses: Lacks empirical evaluation or real-world experiments; primarily conceptual.

Read-first 评分解释

综合优先阅读分 58.9，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 8%

86.7

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：2025

主题相关性 42%

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 25%

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

可复现性 25%

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

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：365。

关键词评分

world model

world simulator

world dynamics prediction

generative world model

interactive world model

model-based reinforcement learning world model

video world model

深度分析

创新点

弥合世界模型与无线边缘计算在边缘通用智能（EGI）中的差距
世界模型在车载网络、无人机网络、物联网系统和网络功能虚拟化中的主动应用
世界模型与基础模型和数字孪生的协同作用，作为EGI的认知支柱
对架构基础的全面分析，包括潜在表示学习、动力学建模和基于想象的规划

方法

本综述对面向边缘计算的世界模型和自主AI进行了全面的文献综述和分析。它考察了潜在表示学习、动力学建模和基于想象的规划等架构基础，并阐述了在多个EGI场景中的主动应用。该方法论是概念性和分析性的，综合现有工作以提供路线图。

关键结果

该综述为实现智能自主边缘系统提供了概念基础和实践路线图，强调了世界模型如何在延迟、能量和隐私约束下增强优化。

局限性

安全保障仍是一个开放挑战
世界模型的高效训练困难
在边缘设备上的受限部署带来挑战

资源

论文