面向对象的世界模型与蒙特卡洛树搜索的结合

arXiv 26.1 2026 52.1 method

TLDR

ObjectZero结合对象中心世界模型、GNN和蒙特卡洛树搜索，用于动态环境中的基于模型强化学习。

评分理由

The paper introduces a novel integration of object-level representations and GNNs with MCTS, which is a strength. However, the abstract lacks details on real-world validation and does not specify the complexity of the environment, limiting assessment of generalizability.

Read-first 评分解释

综合优先阅读分 52.1，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 40。

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%

57.1

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

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：结果

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：无

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：513。

关键词评分

world model

model-based reinforcement learning world model

world dynamics prediction

interactive world model

world simulator

generative world model

video world model

深度分析

创新点

在RL中采用对象级表示构建世界模型
使用图神经网络建模对象交互
将对象中心世界模型与蒙特卡洛树搜索规划集成

方法

ObjectZero使用图神经网络对环境中的多个对象之间的交互进行建模，形成对象中心的世界模型。该模型被集成到基于模型的强化学习算法中，该算法采用蒙特卡洛树搜索作为规划模块。算法在具有多样化交互对象的复杂环境中进行训练。

关键结果

该算法在复杂环境中有效学习和预测对象动态。结果表明，具有对象中心表示的结构化世界模型可以成功集成到基于模型的强化学习与蒙特卡洛树搜索中。

资源

论文