MWM：面向动作条件一致预测的移动世界模型

arXiv 26.3 2026 66.4 method

TLDR

MWM提出移动世界模型，通过动作条件一致性训练与蒸馏提升导航规划性能。

评分理由

The paper clearly identifies a key limitation (rollout inconsistency) and proposes novel two-stage training and distillation methods. Strengths include real-world experiments and code release; weaknesses are limited discussion of limitations and comparisons in the abstract.

Read-first 评分解释

综合优先阅读分 66.4，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 53。

近期性 8%

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 42%

75.7

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%

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：基准、实验

可复现性 25%

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、GitHub

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：214。

关键词评分

world model

interactive world model

generative world model

world dynamics prediction

world simulator

video world model

model-based reinforcement learning world model

深度分析

创新点

动作条件一致性（ACC）后训练，用于提升动作条件展开一致性
推理一致状态蒸馏（ICSD），用于在少步扩散蒸馏中改善展开一致性

方法

MWM提出了一个两阶段训练框架，结合结构预训练与动作条件一致性（ACC）后训练，以增强动作条件展开一致性。此外，引入了推理一致状态蒸馏（ICSD），用于在少步扩散蒸馏中保持展开一致性，从而解决训练与推理之间的不匹配问题。

关键结果

在基准任务和真实世界任务上的实验表明，该方法在视觉保真度、轨迹精度、规划成功率和推理效率方面均取得了一致提升。

资源

论文