统一世界模型：用于视觉导航的记忆增强规划与预见

arXiv 25.10 2025 72.6 method, application

TLDR

UniWM融合视觉预见与规划于统一记忆增强世界模型，导航成功率提升30%。

评分理由

The paper's strength lies in its unified architecture combining memory-augmented world modeling with planning, demonstrated through strong empirical results across multiple benchmarks and zero-shot generalization. Weaknesses include a narrow focus on visual navigation and lack of discussion on failure cases or limitations.

Read-first 评分解释

综合优先阅读分 72.6，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 51。

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：基线、基准、数据集、实验、结果

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%

72.9

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

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、数据集、GitHub

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：43。

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

统一世界模型（UniWM），将自我中心视觉预见与规划整合到单一多模态自回归骨干网络中
层次化记忆机制，融合短期感知线索与长期轨迹上下文
将动作选择明确基于视觉想象结果

方法

UniWM是一个统一的、记忆增强的世界模型，使用多模态自回归骨干网络整合视觉预见与规划。它采用层次化记忆机制，结合短期感知线索与长期轨迹上下文，以在扩展时间范围内进行稳定推理。该模型在四个基准测试（Go Stanford, ReCon, SCAND, HuRoN）和1X Humanoid数据集上进行了评估，并在TartanDrive上进行了零样本测试。

关键结果

UniWM在强基线上将导航成功率提升高达30%，大幅减少轨迹误差，零样本泛化到未见过的TartanDrive数据集，并自然扩展到高维人形控制。

资源

论文