EgoExo-WM: 利用外视角视频解锁自我世界模型

arXiv 2026 56.7 method

TLDR

利用外中心视频通过身体姿态提取和视频转换训练自我中心世界模型，提升预测和规划能力。

评分理由

The paper presents a novel method to leverage abundant exocentric video for egocentric world model training, showing improvements in prediction and planning. Strengths include a clear problem-motivated approach and empirical results; weaknesses are the lack of explicit real-world benchmark details in the abstract.

Read-first 评分解释

综合优先阅读分 56.7，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 55。

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

主题相关性 29%

78.6

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

引用影响力 18%

76.7

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：0.76747133

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：无

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：479。

关键词评分

world model

video world model

world dynamics prediction

generative world model

interactive world model

model-based reinforcement learning world model

world simulator

深度分析

创新点

从外中心视频中提取结构化身体姿态作为动作表示
利用人体运动学先验将外中心视频转换为自我中心视频
解锁野外外中心数据用于自我中心世界模型训练的整合
使用转换数据训练全身动作条件自我中心世界模型

方法

该方法从外中心视频中提取结构化身体姿态作为动作表示，然后利用人体运动学先验将外中心视频转换为自我中心视频。转换后的数据用于训练全身动作条件自我中心世界模型。

关键结果

使用转换数据训练全身动作条件自我中心世界模型显著提升了预测质量和下游规划性能，特别是在推断实现视觉目标状态所需的身体姿态序列方面。

局限性

摘要中未明确说明局限性。

技术栈

身体姿态提取视频转换人体运动学先验世界模型

资源

论文