因子化潜在动作世界模型

arXiv 26.2 2026 54.5 method

TLDR

一种因子化潜在动作模型，将场景分解为独立因子，以更好地建模多实体动力学和视频生成。

评分理由

The paper introduces a novel factorization approach for latent action world models, showing clear improvements over monolithic models on both simulation and real-world datasets. Strengths include a principled decomposition and empirical validation; weaknesses are limited discussion of scalability to very large scenes and potential inference complexity.

Read-first 评分解释

综合优先阅读分 54.5，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 53。

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

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、数据集、实验、指标

主题相关性 29%

75.7

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 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：数据集

引用影响力 18%

21.6

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：0.21646031

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

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：599。

关键词评分

world model

video world model

generative world model

world dynamics prediction

interactive world model

model-based reinforcement learning world model

world simulator

深度分析

创新点

因子化潜在动作模型（FLAM），将场景分解为独立因子，每个因子拥有自身的潜在动作和下一步预测
用于多实体无动作视频的因子化逆动力学和正动力学模型
与整体潜在动作模型相比，改进了复杂多实体动力学的建模

方法

FLAM是一种因子化动力学框架，将场景分解为独立因子，每个因子通过逆模型推断自身的潜在动作，并通过正模型预测自身的下一步因子值。它在无动作视频数据上训练，并在仿真和真实世界多实体数据集上评估，与整体基线模型在预测准确性、表示质量和下游策略学习指标上进行比较。

关键结果

FLAM在多实体数据集上的预测准确性和表示质量优于先前的整体模型，并促进了下游策略学习的改进。

局限性

因子之间的独立性假设可能无法捕捉高度耦合场景中复杂的实体间交互
摘要中未明确说明局限性；上述推断基于因子化结构

资源

论文