GeoWorld：几何世界模型

CVPR 26 2026 45.2 method

TLDR

GeoWorld 用双曲几何改进多步视觉规划，在 CrossTask 和 COIN 上获小幅提升。

评分理由

Strengths: novel hyperbolic latent space addressing Euclidean limitations and long-horizon degradation. Weaknesses: modest improvements (2-3% SR) and limited evaluation on two datasets only.

Read-first 评分解释

综合优先阅读分 45.2，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 30。

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

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、GitHub

主题相关性 29%

42.9

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

引用影响力 18%

25.4

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：0.25410212

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：366。

关键词评分

world model

model-based reinforcement learning world model

world dynamics prediction

world simulator

interactive world model

video world model

generative world model

深度分析

创新点

Hyperbolic JEPA，将潜在表示从欧几里得空间映射到双曲流形，以保留几何结构和层次关系
用于双曲潜在空间中能量优化的几何强化学习，实现稳定的多步规划

方法

GeoWorld 引入了一个 Hyperbolic JEPA，将潜在表示从欧几里得空间转换为双曲流形，捕捉状态之间的几何和层次结构。然后采用几何强化学习进行能量优化，从而直接在双曲潜在空间中进行稳定的多步规划。该模型在 CrossTask 和 COIN 数据集上进行了评估，并与 V-JEPA 2 基线进行了比较。

关键结果

GeoWorld 在 CrossTask 和 COIN 上，与最先进的 V-JEPA 2 相比，在 3 步规划中实现了约 3% 的成功率提升，在 4 步规划中实现了 2% 的提升。

资源

论文项目