从生成到模拟：世界模型距离真正的模拟器还有多远？

arXiv 2026 54.2 survey, benchmark

TLDR

基于能力的综述，评估生成式世界模型替代传统模拟器的差距，覆盖三条技术路线200项工作。

评分理由

The paper provides a systematic, structured analysis of world models against simulator capabilities, which is a valuable contribution. However, as a survey, it lacks original real-world experiments, and its conclusions rely on literature mapping rather than direct empirical validation.

Read-first 评分解释

综合优先阅读分 54.2，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 57。

方法质量 18%

100

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、评估、实验、指标、验证

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%

81.4

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

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：GitHub

引用影响力 18%

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。引用数：0

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：770。

关键词评分

world model

world simulator

generative world model

video world model

interactive world model

world dynamics prediction

model-based reinforcement learning world model

深度分析

创新点

基于能力的标尺，包含传统模拟器的八项能力（资产构建、物理引擎、交互、可控性、稳定性、状态反馈、多样性、评估指标），用于评估生成式世界模型
系统性地将2018年至2026年6月间的200篇代表性工作映射到三条技术路线（潜在动力学、视频生成、联合嵌入预测）的能力框架上
识别出状态反馈是最被忽视的跨路线短板：163篇实现论文中仅6篇暴露了运行时状态查询接口
提出弥合世界模型与传统模拟器差距的六个研究方向：形式化物理、统一动作接口、一等状态反馈、长时程稳定性、下游效用评估和跨路线混合

方法

该研究进行了系统性文献综述，收集了2018年至2026年6月间沿三条技术路线的200篇代表性工作。每项工作都依据从传统模拟器提炼的八项能力这一外部标尺进行评估，并分析其覆盖范围与缺口，以刻画从生成到模拟的剩余距离。

关键结果

世界模型在特定场景的交互和可控性方面实现了功能性替代，但在物理定律的形式化保证、结构化状态反馈和可复现的长时程演化方面仍不及传统模拟器；状态反馈尤其被忽视，163篇实现论文中仅6篇提供了查询实体状态或物理参数的运行时接口。

局限性

分析基于精选的200篇代表性工作，可能无法涵盖所有相关方法或2026年6月之后的最新进展。
能力评估依赖于作者对已发表方法的解读，而非对每项能力的直接实证验证。
未对所识别的缺口提供新的实验验证；该研究仍属综述与缺口分析。

技术栈

Diffusion ModelsVideo GenerationLatent DynamicsJoint-Embedding Prediction

资源

论文