Mem-World：记忆增强的动作条件世界模型用于持久机器人操作

arXiv 2026 61.3 method, application

TLDR

Mem-World通过4D surfel索引记忆增强动作条件世界模型，实现持久机器人操作视频生成，策略评估相关性提升14.5%。

评分理由

The paper introduces a novel memory mechanism (W-VMem) to address occlusion and motion challenges in world modeling for robot manipulation, with strong quantitative results showing improved policy evaluation correlation. However, the approach is tailored to wrist-camera views and may not generalize to other settings without adaptation.

Read-first 评分解释

综合优先阅读分 61.3，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 55。

近期性 6%

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

引用影响力 18%

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：0.92983256

主题相关性 29%

78.6

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

方法质量 18%

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、实验

可复现性 18%

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

引用速度 12%

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

基础论文前沿论文桥接论文

排序敏感性

稳定性：volatile；排名波动范围：485。

关键词评分

world model

video world model

generative world model

world dynamics prediction

world simulator

model-based reinforcement learning world model

interactive world model

深度分析

创新点

提出W-VMem，一种4D腕部视角中心的面元索引记忆，将历史观测锚定到时间演化的表面元素上。
基于面元渲染和评分，实现条件于未来动作的几何感知历史帧检索。
用于持久机器人操作的记忆增强多视图动作条件世界模型。

方法

Mem-World是一种记忆增强的多视图动作条件世界模型。它使用W-VMem，一种4D面元索引记忆，将历史观测锚定到表面元素上。在生成过程中，通过基于面元渲染和评分的方法，条件于未来动作选择相关历史帧，为预测未来视图提供信息丰富且非冗余的上下文。

关键结果

Mem-World在复杂操作场景中生成持久视频序列，相比Ctrl-World将皮尔逊相关系数提升14.5%，并通过合成数据生成将长时任务成功率从58%提升至72%。

技术栈

W-VMem4D surfel-indexed memoryaction-conditioned world modelmulti-view generationsurfel-based rendering

资源

论文