在潜在世界模型中学习内在动力学

arXiv 2026 35.3 method, theory

TLDR

提出潜在世界模型中动作可预测性作为保留内在动力学的归纳偏置，并在Push-T上验证。

评分理由

The paper provides a theoretical bound and empirical evidence linking action predictability to preserving control-relevant dynamics, with a simple method. However, evaluation is limited to a simulated Push-T benchmark and the abstract truncates before full results.

Read-first 评分解释

综合优先阅读分 35.3，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 33。

近期性 5%

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 15%

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、指标、结果

主题相关性 25%

47.1

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 15%

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

图谱声望 15%

5.7

基于可用 OpenAlex 引用关系构建局部引用图，并计算 PageRank 风格的图谱声望。局部 PageRank：0.0016

引用影响力 15%

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 10%

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：460。

关键词评分

world dynamics prediction

world model

model-based reinforcement learning world model

interactive world model

generative world model

world simulator

video world model

深度分析

创新点

提出动作可预测性（action predictability），即从连续潜在状态重建动作，作为在潜在世界模型中保留内在动力学的归纳偏置。
提供理论结果：当编码器将同一状态和外观下不同动作的可区分结果合并时，平方逆预测误差存在正下界，且前向预测仍可保持精确。
引入Concat IDM，它从拼接的潜在状态预测动作，并利用离线轨迹中已有的动作标签更新共享编码器，不改变测试时规划器。
通过受控外观多样性比较、监督干预和潜在探针，实证验证了动作预测在保留控制相关转移信息中的作用。

方法

作者将动作可预测性形式化为从连续潜在状态重建动作，并推导出当编码器将同一状态和外观下不同动作的可区分结果合并时平方逆预测误差的下界。他们使用受控外观多样性比较、监督干预和潜在探针验证假设，并将该思想实例化为Concat IDM：从拼接的潜在状态预测动作，利用离线轨迹中的动作标签更新共享编码器，同时保持测试时规划器不变。评估使用具有24种外观的Push-T，进行三次独立训练，以规划成功率和相对于单外观训练成对提升为指标。

关键结果

在具有24种外观的Push-T上，Concat IDM在三次独立训练中将规划成功率从9.1%提升至77.2%；其成对提升比单外观训练的改进高52.9个百分点。理论分析表明，合并同一状态和外观下不同动作的可区分结果会对平方逆预测误差产生正下界，而前向预测仍可精确。

资源

论文