⌁ Awesome World Model Hub 论文 · 数据集 · 项目
English GitHub
← 返回论文列表

学习原始具身世界模型：迈向可扩展的机器人学习

arXiv 25.8 2025 63.1 method

TLDR

提出原始具身世界模型（PEWM），利用短视界视频生成实现可扩展机器人学习，提高数据效率和组合泛化。

评分理由

Strengths: novel paradigm addressing data scarcity in embodied world models, combining VLM planner and heatmap guidance. Weaknesses: abstract lacks explicit empirical validation or real-world results; reliance on short horizons may limit long-horizon tasks.

Read-first 评分解释

综合优先阅读分 63.1，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 56。

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

主题相关性 42%
80

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

方法质量 25%
60

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：实验、结果

可复现性 25%
30

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：无

研究版图角色

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：386。

关键词评分

world model
10
video world model
10
generative world model
9
interactive world model
8
world dynamics prediction
8
world simulator
7
model-based reinforcement learning world model
4

深度分析

创新点

  • 将视频生成限制在固定短视界内，以降低学习复杂度并提高数据效率
  • 实现语言概念与机器人动作视觉表示之间的细粒度对齐
  • 模块化的视觉-语言模型（VLM）规划器用于高层推理
  • 起始-目标热力图引导机制（SGG）用于闭环控制和组合泛化
  • 原始具身世界模型（PEWM）的新范式，弥合了细粒度物理交互与高层推理之间的鸿沟

方法

本文提出原始具身世界模型（PEWM），将视频生成限制在固定短视界内以降低复杂度并提高数据效率。通过配备模块化的视觉-语言模型（VLM）规划器和起始-目标热力图引导机制（SGG），PEWM能够在扩展任务上实现闭环控制和组合泛化，利用时空视觉先验和语义感知能力。

关键结果

摘要中未报告实验结果；本文仅提出所提出的范式及其声称的优势：实现细粒度对齐、降低学习复杂度、提高数据效率以及减少推理延迟。

技术栈

Video generation modelsVision-Language Model (VLM)Start-Goal heatmap Guidance (SGG)

资源

论文

标签