纳米世界模型：未来视频预测的极简实现

arXiv 2026 62.4 system

TLDR

基于扩散强迫的极简可复现未来视频预测代码库，支持世界模型组件受控研究。

评分理由

The paper's strength lies in providing a unified, extensible framework for studying world models, with experiments across diverse domains including real-robot data. However, the abstract lacks detailed quantitative results or comparisons to baselines, limiting assessment of empirical contributions.

Read-first 评分解释

综合优先阅读分 62.4，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 48。

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：0.85993979

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：数据集、评估、实验

主题相关性 29%

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 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：检查点、代码、数据集

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方法锚点

排序敏感性

稳定性：volatile；排名波动范围：376。

关键词评分

world model

video world model

generative world model

world dynamics prediction

world simulator

interactive world model

model-based reinforcement learning world model

深度分析

创新点

用于未来视频预测世界模型的极简且可扩展的代码库
统一的接口，涵盖生成目标、模型规模、动作条件、潜在观测空间、数据集、评估协议和长程展开过程
跨多个领域对设计选择（预测参数化、架构规模、动作注入、采样预算、领域复杂度）的系统性实证研究

方法

Nano World Models 实现了一个基于扩散强迫的世界模型，具有统一接口用于各种组件。在简单控制环境、游戏模拟和真实机器人数据上进行评估，考察了预测参数化、架构规模、动作注入、采样预算和领域复杂度等因素。代码库包含配置、评估脚本和预训练检查点。

关键结果

该研究揭示了预测参数化、架构规模、动作注入、采样预算和领域复杂度如何影响不同领域中的视频预测质量和自回归展开行为。

资源

论文