VLM-DEWM: 用于制造业中可验证且鲁棒的视觉语言规划的动态外部世界模型

arXiv 26.2 2026 56.7 method, application

TLDR

VLM-DEWM通过持久外部世界模型解耦VLM推理与世界状态管理，提升制造中的状态跟踪与恢复能力。

评分理由

The paper presents a novel cognitive architecture that addresses stateless operation and opaque reasoning in VLM-based planning, with strong empirical results on real robots. However, the approach is domain-specific to manufacturing and lacks discussion of limitations or generalization.

Read-first 评分解释

综合优先阅读分 56.7，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 35。

近期性 8%

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

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：分析、基线、结果、验证

主题相关性 42%

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：无

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：405。

关键词评分

world model

world dynamics prediction

world simulator

interactive world model

model-based reinforcement learning world model

generative world model

video world model

深度分析

创新点

通过持久化、可查询的动态外部世界模型（DEWM）将VLM推理与世界状态管理解耦
可外部化推理轨迹（ERT），包含动作提议、世界信念和因果假设，用于结构化决策验证
预测状态与观测状态之间的差异分析，实现针对性恢复而非全局重新规划

方法

VLM-DEWM是一种认知架构，通过动态外部世界模型（DEWM）将VLM推理与世界状态管理分离。每个VLM决策被结构化为可外部化推理轨迹（ERT），包含动作提议、世界信念和因果假设，并在执行前与DEWM进行验证。当故障发生时，预测状态与观测状态之间的差异分析触发针对性恢复。该系统在多工位装配、大规模设施探索以及诱导故障下的真实机器人恢复任务上进行了评估，并与基线记忆增强VLM系统进行了比较。

关键结果

VLM-DEWM将状态跟踪准确率从56%提升至93%，恢复成功率从低于5%提升至95%，并通过结构化记忆显著降低了计算开销。

技术栈

VLMDEWMERT

资源

论文