HY-World 2.0：用于重建、生成和模拟3D世界的多模态世界模型

arXiv 2026 43.9 method

TLDR

HY-World 2.0是一个多模态世界模型，从文本、图像和视频生成、重建和模拟3D世界，在基准上达到最先进性能。

评分理由

The paper presents a comprehensive framework with clear methodological stages and innovations, and it validates performance on benchmarks, indicating strong empirical grounding. However, the abstract lacks details on limitations and specific benchmark results, and the connection to world dynamics prediction or RL is not evident.

Read-first 评分解释

综合优先阅读分 43.9，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 45。

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：基准、实验、结果

主题相关性 29%

64.3

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：代码

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：350。

关键词评分

world model

world simulator

generative world model

interactive world model

video world model

world dynamics prediction

model-based reinforcement learning world model

深度分析

创新点

HY-Pano 2.0用于增强世界生成中的全景保真度
WorldNav用于轨迹规划，实现3D场景理解和导航
WorldStereo 2.0具有一致记忆，用于基于关键帧的视图生成
WorldMirror 2.0通过改进架构和学习策略，从多视图图像或视频进行3D重建
WorldLens，一个高性能3DGS渲染平台，具有引擎无关架构、自动IBL光照、碰撞检测和训练-渲染协同设计

方法

HY-World 2.0是一个多模态世界模型，接受文本、单视图图像、多视图图像或视频，并输出3D高斯泼溅场景。对于生成性输入（文本或单图像），它使用四阶段流水线：全景生成（HY-Pano 2.0）、轨迹规划（WorldNav）、世界扩展（WorldStereo 2.0）和世界合成（WorldMirror 2.0）。WorldLens提供带角色支持的交互式渲染。

关键结果

HY-World 2.0在多个基准上达到了开源方法中的最先进性能，结果可与闭源模型Marble相媲美。

资源

论文