基于物理可控世界模型的物理对象理解

arXiv 2026 51.2 method

TLDR

基于自回归序列建模的概率世界模型，从视频中学习物理对象理解、3D操控和物理关系。

评分理由

Strengths: novel class of probabilistic world models with efficient training and emergent object understanding, including 3D manipulation and physical relationship computation. Weaknesses: abstract lacks explicit real-world validation or quantitative benchmarks; no mention of comparisons to existing methods.

Read-first 评分解释

综合优先阅读分 51.2，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 40。

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%

91.9

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：0.91905417

主题相关性 29%

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 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：无

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：442。

关键词评分

world model

world dynamics prediction

generative world model

video world model

interactive world model

world simulator

model-based reinforcement learning world model

深度分析

创新点

一类新型概率世界模型，支持估计任意视觉变量在给定其他变量条件下的概率
通过自回归序列建模高效训练这些模型，产生能够涌现丰富对象理解的世界模型
通过分析多个生成的合理未来状态中的运动相关性，提取对象和关节对象子部分
利用世界模型对发现的对象进行3D操控
从世界模型计算对象间的物理关系，实现如Visual Jenga等应用

方法

本文提出一种概率世界模型，通过自回归序列建模进行训练。该模型估计视觉变量（如外观和动力学）在给定其他变量条件下的概率。通过序列推理生成多个合理的未来状态，并分析这些未来状态中的运动相关性来提取对象和关节子部分。然后，该模型能够对发现的对象进行3D操控，并计算物理关系。

关键结果

该模型通过生成合理的未来状态，捕捉了支配对象运动的物理规律。它成功提取了对象和关节子部分，展示了3D操控能力，并计算了物理关系，用于如Visual Jenga等应用。

技术栈

autoregressive sequence modelingprobabilistic world modelsmotion correlation analysis3D manipulation

资源

论文