以模式思考：通过模式归纳打破视觉规划中的感知瓶颈

arXiv 2026 51.7 method

TLDR

基于TWI的免训练视觉规划方法，通过Pattern Induction提升效率。

评分理由

The paper introduces a novel approach to visual planning by leveraging TWI to construct internal world models, with Pattern Induction reducing computational overhead. Strengths include a training-free strategy and empirical validation across multiple domains; weaknesses include potential scalability issues and lack of comparison to RL-based methods.

Read-first 评分解释

综合优先阅读分 51.7，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 29。

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%

80.9

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：0.80931874

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、实验、结果

主题相关性 29%

41.4

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

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方法锚点

排序敏感性

稳定性：volatile；排名波动范围：257。

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

将图像思维（TWI）形式化为一种工具，用于逐步构建和反映准确的内部世界模型以进行视觉规划。
模式推断：一种新颖的TWI策略，使VLM能够在新任务中主动识别已知视觉模式，并直接推断局部世界模型结构。
模式归纳：一种在线归纳学习策略，将视觉模式视为可组合和可重用的专家，从经验中自主发现和优化。

方法

该方法使用TWI迭代获取局部视觉证据并构建用于规划的内部世界模型。为提高效率，模式推断识别已知视觉模式以直接推断世界模型结构，模式归纳通过在线归纳学习从经验中发现这些模式。该方法在规划上是无需训练的，并在FrozenLake、Crafter和CubeBench领域进行了评估。

关键结果

在FrozenLake、Crafter和CubeBench领域的实验评估表明，所提出的方法在准确性和效率之间取得了理想的平衡。

局限性

过多的TWI操作会显著增加计算开销。

资源

论文