跨环境世界建模：面向连续与组合动力学

arXiv 25.3 2025 69.1 method

TLDR

提出WLA，利用李群理论学习连续潜在动作，实现跨环境无监督世界建模，仅需少量动作标签。

评分理由

Strengths include a novel application of Lie group theory for cross-environment dynamics, unsupervised learning from video, and validation on real-world datasets. Weaknesses are limited detail on scalability and lack of explicit performance comparisons in the abstract.

Read-first 评分解释

综合优先阅读分 69.1，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 51。

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

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、数据集、评估

主题相关性 42%

72.9

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

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：代码、数据集

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：39。

关键词评分

world model

world dynamics prediction

world simulator

interactive world model

generative world model

video world model

model-based reinforcement learning world model

深度分析

创新点

用于跨环境世界建模的无监督框架，使用连续潜在动作表示
应用李群理论同时建模多个环境的动力学
结合以对象为中心的自编码器与李群动作处理组合动力学
仅使用视频帧和极少或没有动作标签进行训练，能够快速适应具有新颖动作集的新环境

方法

WLA（通过李群动作进行世界建模）使用李群理论和以对象为中心的自编码器，仅从视频帧中学习连续的潜在动作表示。它以无监督方式同时建模多个环境的动力学，从而获得具有高可控性和预测能力的控制接口。该框架无需动作标签即可训练，并能适应具有新颖动作集的新环境。

关键结果

在合成基准和真实世界数据集上，WLA证明仅使用视频帧即可训练，并且在极少或没有动作标签的情况下，能够快速适应具有新颖动作集的新环境，实现高可控性和预测能力。

局限性

依赖以对象为中心的自编码器，可能不适用于所有视觉领域（例如，没有清晰对象边界的场景）
假设动力学可通过李群建模，可能限制其适用于具有连续对称性和平滑变换的环境
摘要中未明确评估数据集，因此对多样化真实世界场景的泛化能力尚不清楚

技术栈

WLALie group theoryobject-centric autoencodercontinuous latent action representations

资源

论文