理解世界还是预测未来？世界模型综述

arXiv 24.11 2024 62.5 survey

TLDR

一篇将世界模型分为理解现在和预测未来的综述，涵盖游戏、驾驶、机器人和社会模拟等应用。

评分理由

Strengths: systematic categorization, coverage of multiple real-world domains, and inclusion of code repositories. Weaknesses: survey format limits novel contributions, and depth may be sacrificed for breadth.

Read-first 评分解释

综合优先阅读分 62.5，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 8%

75.1

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：2024

主题相关性 42%

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 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：实验、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：代码、GitHub

研究版图角色

候选论文

排序敏感性

稳定性：volatile；排名波动范围：215。

关键词评分

world model

world dynamics prediction

model-based reinforcement learning world model

world simulator

generative world model

interactive world model

video world model

深度分析

创新点

将世界模型系统分类为两个主要功能：构建内部表征以理解世界机制，以及预测未来状态以模拟并指导决策。
全面回顾了在生成式游戏、自动驾驶、机器人学和社会模拟中的应用，突出了每个领域如何利用这两个方面。
总结了代表性论文及其代码仓库，为后续研究提供了资源。

方法

本文进行了全面的文献综述，基于两个主要功能（理解世界当前状态和预测其未来动态）对世界模型进行了系统分类。它考察了每个类别的当前进展，探讨了关键领域的应用，并概述了关键挑战和未来研究方向。

关键结果

这是一篇综述论文，未呈现实验结果。

资源

论文