学习传播交互效应以对可变形线性物体动力学建模

arXiv 2021 28.8 method, application

TLDR

本文提出循环交互网络，从合成和真实数据建模可变形线性物体完整三维动力学，实现准确预测与形状控制。

评分理由

The paper introduces a novel architecture for DLO dynamics and validates with synthetic and real-world experiments, which is a strength. However, the scope is narrowly focused on deformable linear objects and does not relate to general world models or simulators beyond that specific task.

Read-first 评分解释

综合优先阅读分 28.8，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 5。

引用影响力 15%

98.8

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：0.98843142

近期性 5%

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：2021

引用速度 10%

36.2

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：4.83

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：评估

图谱声望 15%

10.6

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：0.0030

主题相关性 25%

7.1

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：无；代码：无；数据：无；命中信号：无

研究版图角色

基础论文

排序敏感性

稳定性：volatile；排名波动范围：658。

关键词评分

world dynamics prediction

world model

interactive world model

model-based reinforcement learning world model

world simulator

generative world model

video world model