世界行动模型：综述
TLDR
综述阐明世界行动模型是区别于视频生成器的具身预测行动模型，并提供分类与设计权衡分析。
评分理由
Strengths include a clear taxonomy and unified discussion of key properties like interactability and causality. Weaknesses: as a survey, it lacks novel experiments or empirical contributions, and the abstract does not detail specific real-world evaluations.
Read-first 评分解释
综合优先阅读分 65.9，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 58。
研究版图角色
基础论文前沿论文桥接论文方法锚点
排序敏感性
稳定性：volatile；排名波动范围：438。
关键词评分
深度分析
创新点
- 阐明了世界行动模型（World Action Models）、视频生成模型、基于动作的视频世界模型、视觉-语言-行动策略（Vision-Language-Action policies）以及广义世界模型之间的边界。
- 通过两个互补视角组织现有工作：每种方法生成的内容（渲染的未来、潜在的未来、无视频生成的动作推理）以及按预测基质、骨干网络、动作耦合和部署机制进行分解。
- 提供了跨方法的可交互性、因果性、持续性、物理合理性和泛化性的统一讨论。
- 识别出一致的设计模式：WAMs是预测行动方法，在表征丰富性与计算、内存、延迟和动作标签成本之间进行权衡。
- 强调了领域趋势：方法生成更少的未来内容，同时保留控制所需的信息。
方法
该综述对世界行动模型进行了全面的文献回顾，基于两个互补视角进行分类：它们生成的未来类型（渲染的、潜在的或无视频生成的动作推理）以及按预测基质、骨干网络、动作耦合和部署机制的分解。随后讨论了关键属性，如可交互性、因果性、持续性、物理合理性和泛化性，接着分析了数据、评估和开放挑战。
关键结果
该综述识别出一致的设计模式：世界行动模型不仅仅是带有动作头的视频生成器，而是预测行动方法，在表征丰富性与计算、内存、延迟和动作标签成本之间进行权衡。它观察到领域趋势：方法生成更少的未来内容，同时保留控制所需的信息。
局限性
- 该领域的快速扩展可能使综述的分类不完整或迅速过时。
- 所提出的分类法和边界虽然具有澄清作用，但由于该领域的模糊性，仍可能涉及主观判断。