FOUNDER：将基础模型嵌入世界模型以实现开放式具身决策

ICML 25 2025 53.4 method

TLDR

FOUNDER利用映射函数和时间距离奖励，融合基础模型与世界模型进行开放式具身决策。

评分理由

The paper presents a novel framework combining foundation models and world models, with strong empirical results on multi-task benchmarks. However, the abstract lacks details on limitations and scalability, and the reliance on offline data may limit real-world applicability.

Read-first 评分解释

综合优先阅读分 53.4，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 44。

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%

62.9

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：基准

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：461。

关键词评分

world model

world simulator

model-based reinforcement learning world model

world dynamics prediction

generative world model

video world model

interactive world model

深度分析

创新点

以无奖励方式将基础模型与世界模型集成，用于开放式具身决策
学习一个映射函数，将FM表示嵌入到WM状态空间中，从而从外部观测推断物理状态
利用到目标状态的预测时间距离作为信息性奖励信号，通过想象学习目标条件策略

方法

FOUNDER学习一个映射函数，将基础模型表示与世界模型的状态空间对齐，使智能体能够从观测中推断其物理状态。该映射通过想象实现目标条件策略学习，其中到目标状态的预测时间距离作为奖励信号，无需外部奖励。

关键结果

FOUNDER在多任务离线视觉控制基准测试中取得优越性能，尤其在复杂观测或领域差距的任务中优于先前方法。学习到的奖励函数与真实奖励的一致性得到实证验证。

技术栈

Foundation ModelsWorld ModelsMapping FunctionTemporal Distance RewardGoal-Conditioned PolicyImagination

资源

论文项目