$ω$-EVA：基于潜在交互世界模型的设想、验证与执行

arXiv 2026 52.2 method

TLDR

ω-EVA通过潜在交互世界模型实现“设想-验证-行动”循环，无需生成未来视频即可生成具身动作。

评分理由

The paper presents a novel three-stage framework that uses action-conditioned latent dynamics and a tri-branch refiner to improve policy proposals. Its strengths include a compact model (1.2B parameters) and strong simulation results, but it lacks real-world experiments and does not address video generation or model-based RL explicitly.

Read-first 评分解释

综合优先阅读分 52.2，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 41。

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%

84.6

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：0.84591506

主题相关性 29%

58.6

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

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：361。

关键词评分

interactive world model

world model

world dynamics prediction

generative world model

model-based reinforcement learning world model

world simulator

video world model

深度分析

创新点

使用潜在交互世界模型实现具身动作生成的“设想-验证-行动”循环
三分支精炼器联合推理当前状态、提案条件未来和提案动作
潜在空间后果推理，避免推理时生成未来视频

方法

ω-EVA采用三阶段框架：首先学习动作条件潜在动力学；其次在动力学感知的视觉表示上训练语言条件流策略；最后将策略的提案反馈给世界模型。三分支精炼器在潜在特征空间中联合推理当前状态、提案条件未来和提案动作，生成最终动作块。

关键结果

在多种单臂、双臂、长时域和扰动仿真设置中的评估表明，完整的交互流程持续改进了提案策略，潜在诊断显示有意义的动作条件未来结构。该模型以约1.2B参数且无需额外机器人数据预训练，实现了有竞争力的性能。

资源

论文