PLUME：用于多指操作的概率潜在统一世界建模与参数估计

arXiv 2026 63.9 method, application

TLDR

PLUME联合学习物理参数和动力学的信念，实现灵巧操作的零样本仿真到现实迁移。

评分理由

The paper presents a novel world model that handles parameter uncertainty through online inference, with strong empirical results on simulated and real tasks. However, the evaluation is limited to a few specific manipulation tasks and only one real-world experiment.

Read-first 评分解释

综合优先阅读分 63.9，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 50。

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%

93.9

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：0.93931012

主题相关性 29%

71.4

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：基线、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：代码、GitHub

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：431。

关键词评分

world model

world dynamics prediction

model-based reinforcement learning world model

interactive world model

generative world model

world simulator

video world model

深度分析

创新点

概率潜在统一世界建模与参数估计（PLUME），联合学习物理参数的信念及基于这些参数的系统动力学
新颖的学习框架，通过在线参数推断实现世界模型与真实动力学的高效对齐，无需重新训练或微调
潜在空间表示，联合捕获多个定性不同的物理参数和奖励，用于信息驱动的规划

方法

PLUME学习一个潜在世界模型，该模型演化对物理参数（如物体形状、位姿、摩擦系数）的信念，并建模基于这些参数的系统动力学。模型在已知参数的仿真中训练，部署时通过在线推断与真实动力学对齐，潜在空间同时编码奖励以支持规划。在仿真螺丝刀旋转、阀门旋转、桶提升和圆盘弹射任务以及硬件螺丝刀旋转任务上进行评估，并与离线强化学习和世界模型增强的行为克隆基线进行比较。

关键结果

仿真训练的策略在硬件螺丝刀旋转任务上实现了成功的零样本迁移，并在所有评估任务上优于最先进的离线强化学习和世界模型增强的行为克隆基线。

局限性

方法可能需要精心设计潜在空间以有效捕获多个物理参数及其相互作用
在线参数推断可能无法对所有可能的参数变化或任务场景快速或准确收敛
评估仅限于特定的一组灵巧操作任务（螺丝刀旋转、阀门旋转、桶提升、圆盘弹射）和一个硬件演示，尚未证明对其他灵巧操作任务的泛化能力

资源

论文