TARDIS STRIDE：面向自主性的时空道路图像数据集与世界模型

arXiv 2025 71.8 method, benchmark, application

TLDR

提出STRIDE时空道路图像数据集与TARDIS生成式世界模型，支持自主智能体时空动态建模。

评分理由

The paper presents a strong dataset and world model with broad agentic evaluations, though only title/abstract were visible. Weaknesses include lack of detailed experimental methodology and limited evidence for real-world deployment claims.

Read-first 评分解释

综合优先阅读分 71.8，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 58。

近期性 8%

86.7

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：2025

主题相关性 42%

82.9

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：基准、数据集、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：检查点、代码、数据集

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：79。

关键词评分

world model

generative world model

world dynamics prediction

world simulator

interactive world model

video world model

model-based reinforcement learning world model

深度分析

创新点

STRIDE数据集：一个时空道路图像数据集，将360度全景图像重排为相互关联的观测、状态和动作节点。
TARDIS模型：一个基于Transformer的生成式世界模型，通过统一的自回归框架整合空间与时间动态。
面向自主智能体任务，统一建模跨空间与时间的自我中心视图、位置坐标和移动指令。

方法

STRIDE通过将360度全景图像重排为相互关联的观测、状态和动作节点来构建，捕获自我中心视图、位置坐标和移动指令在空间与时间上的关系。TARDIS是一个基于Transformer的生成式世界模型，在STRIDE上使用统一的自回归框架联合建模空间与时间动态进行训练。该方法在可控逼真图像合成、指令跟随、自主自控和地理参考任务上进行了基准测试。

关键结果

TARDIS在可控逼真图像合成、指令跟随和自主自控等任务上表现出稳健性能，并在地理参考任务上达到最先进水平。这些结果表明，在迈向具有增强具身时空推理能力的通用智能体方面取得了进展。

技术栈

TransformerHugging Face

资源

论文