NeuroHex：用于创建世界模型以实现自适应AI的高效六边形坐标系统

NICE 26 2026 41.1 method

TLDR

NeuroHex引入受网格细胞启发的六边形坐标系统，高效构建世界模型，实现基于真实地图的自适应空间推理。

评分理由

The paper presents a novel coordinate system with clear mathematical foundations and a practical tool (OSM2Hex) for converting real-world maps, showing significant geometric complexity reduction. However, it lacks explicit evaluation on dynamic or interactive tasks, and the connection to reinforcement learning or world dynamics prediction is not directly demonstrated.

Read-first 评分解释

综合优先阅读分 41.1，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 19。

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

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：基线、数据集、指标、结果

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：数据集

主题相关性 29%

27.1

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

引用影响力 18%

26.3

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：0.26319374

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

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：350。

关键词评分

world model

world dynamics prediction

interactive world model

model-based reinforcement learning world model

world simulator

generative world model

video world model

深度分析

创新点

NeuroHex：一种基于网格细胞六边形方向放电结构的大脑启发六边形坐标系统
立方等距六边形坐标公式，提供完整的60°旋转对称性以及低成本的平移、旋转和距离计算
包含环索引、量化角度编码以及几何形状原语层次化库的数学框架，用于低开销的形状内点测试和空间匹配
OSM2Hex工具，将OpenStreetMap数据转换为NeuroHex坐标，在保持导航空间结构的同时实现几何复杂度降低90-99%

方法

NeuroHex采用受大脑网格细胞启发的立方等距六边形坐标公式。它集成了环索引、量化角度编码以及基础、简单和复杂几何形状原语的层次化库，以实现高效的空间操作。OSM2Hex工具处理OpenStreetMap数据集并将其转换为NeuroHex坐标系统，在保持导航相关空间结构的同时将几何复杂度降低90-99%。

关键结果

基于实际城市和街区规模数据集的初步结果表明，NeuroHex为构建动态世界模型提供了高效的基础，OSM2Hex在保持导航相关空间结构地图的同时实现了几何复杂度降低90-99%。

局限性

仅展示了基于城市和街区规模数据集的初步结果，尚未在具有持续在线自适应学习（COAL）能力的完整自适应AI系统上进行验证
摘要中未提供与现有坐标系统或基线的明确比较
摘要未量化除几何复杂度降低之外的计算开销或效率提升

资源

论文