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

MAIA：通过多模态世界模型预测接触密集操作中的交互异常

arXiv 2026 43.7 method

TLDR

MAIA通过多模态视觉-动作-力世界模型和CRIA数据集，预测接触密集操作中的异常，以提前预警提升任务成功率。

评分理由

The paper introduces a novel anomaly anticipation framework with a real-world multimodal dataset and demonstrates clear gains in discrimination accuracy, lead time, and task success. Weaknesses include limited discussion of generalizability beyond the 18 evaluated tasks and reliance on abstract-level claims without visible implementation details.

Read-first 评分解释

综合优先阅读分 43.7，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 48。

方法质量 15%
100

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：基线、数据集、评估、实验、指标、结果

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

主题相关性 25%
68.6

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%
38

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：数据集

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%
0

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%
0

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：761。

关键词评分

world model
10
world dynamics prediction
9
interactive world model
8
world simulator
7
generative world model
6
video world model
6
model-based reinforcement learning world model
2

深度分析

创新点

  • 用于异常预测的多模态视觉-动作-力世界模型，可预测规划动作的视觉和力响应
  • 轻量级异常头，利用学习到的名义交互动力学预测即将发生的交互异常
  • CRIA数据集：包含18个接触密集操作任务、2,852条轨迹并带有帧级异常标注的真实世界多模态数据集
  • 使用预测结果进行异常感知的动作选择，无需重新训练操作策略即可提升任务成功率

方法

MAIA 使用视觉-动作-力世界模型学习名义交互动力学，并预测规划动作的视觉和力响应，同时配有一个轻量级异常头来检测即将发生的异常。评估使用了所提出的 CRIA 数据集，该数据集涵盖 18 个接触密集操作任务中的 2,852 条真实世界轨迹，并在已见任务和新任务上进行实验，与代表性基线进行比较。评估指标包括基于 bACC 的异常判别准确率和中位预警提前步数，以及将预测用于动作选择时的端到端任务成功率。

关键结果

MAIA 在已见任务上的 bACC 为 0.765，在新任务上为 0.710，中位预警提前步数分别为 28.0 和 25.1 步。异常感知的动作选择将端到端任务成功率从 52.6% 提升到 61.5%，且无需重新训练底层操作策略。

资源

论文

标签