解锁更智能的设备控制：基于世界模型驱动的代码执行方法的前瞻性规划

arXiv 25.5 2025 47.2 method, application

TLDR

提出FPWC，一种世界模型驱动的移动设备控制前瞻性规划框架，任务成功率相对提升44.4%。

评分理由

The paper presents a clear contribution with a novel world model-based planning approach and demonstrates strong empirical results in both simulated and real-world settings. However, the abstract lacks details on the world model's architecture and generalization, and the keyword 'world model' is central while other specified keywords are not directly addressed.

Read-first 评分解释

综合优先阅读分 47.2，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 26。

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

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

主题相关性 42%

37.1

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

研究版图角色

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：376。

关键词评分

world model

world dynamics prediction

model-based reinforcement learning world model

world simulator

interactive world model

generative world model

video world model

深度分析

创新点

在任务开始时开发一个面向任务、可细化的世界模型，以增强全局环境理解
通过在世界模型内进行迭代规划生成前瞻性动作
以可执行代码的形式执行动作
优先考虑自然语言理解和结构化推理以进行决策

方法

FPWC框架首先在任务开始时构建一个面向任务、可细化的世界模型。然后在该模型内进行迭代规划以生成前瞻性动作，这些动作以代码形式执行。该方法在模拟环境和真实移动设备上进行了评估，并与先前方法进行了比较。

关键结果

该方法在模拟环境中相比现有技术实现了44.4%的任务成功率相对提升。

资源

论文