穿行画作：基于互联网先验的自我中心世界模型

arXiv 26.1 2026 41.8 method, application

TLDR

EgoWM利用互联网先验将预训练视频扩散模型转化为动作条件世界模型，实现准确未来预测与泛化。

评分理由

The paper introduces a simple, architecture-agnostic method that repurposes internet-scale video priors for action-conditioned world modeling, demonstrating strong generalization and a new structural consistency metric. However, the abstract lacks explicit real-world benchmarks, and the 'paintings' setting may limit perceived applicability.

Read-first 评分解释

综合优先阅读分 41.8，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 56。

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

主题相关性 29%

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 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：无

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

引用影响力 18%

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。引用数：0

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

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：418。

关键词评分

world model

generative world model

video world model

interactive world model

world dynamics prediction

world simulator

model-based reinforcement learning world model

深度分析

创新点

通过轻量级条件层将任何预训练视频扩散模型转化为动作条件世界模型，无需从头训练即可实现可控未来预测。
引入结构一致性分数（SCS），独立于视觉外观评估物理正确性。
跨多种具身形态和动作空间扩展，从3自由度移动机器人到25自由度人形机器人，包括自我中心关节角驱动动力学。
展示了对未见环境（包括画作内部导航）的鲁棒泛化能力。

方法

EgoWM是一种简单、架构无关的方法，重新利用互联网规模视频扩散模型的丰富世界先验，并通过轻量级条件层注入运动指令。它仅需适度微调，跨具身形态和动作空间扩展，实现导航和操作任务的动作条件未来预测。

关键结果

EgoWM在结构一致性分数（SCS）上比先前最先进的导航世界模型提升高达80%，推理延迟降低至六分之一，并对未见环境（包括画作内部导航）展现出鲁棒的泛化能力。

资源

论文