具有可配置感知的世界模型

arXiv 2026 31.3 method

TLDR

ConfigWM通过任务条件化状态提取过滤无关视觉信息，提升噪声环境规划鲁棒性。

评分理由

The paper presents a novel mechanism for configurable perception in world models and provides empirical evaluations showing consistent improvements over baselines. Its main weakness is the lack of explicit real-world benchmark evidence, with results confined to simulated environments.

Read-first 评分解释

综合优先阅读分 31.3，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 31。

近期性 5%

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 15%

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：结果

可复现性 15%

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、GitHub

主题相关性 25%

44.3

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

图谱声望 15%

5.7

基于可用 OpenAlex 引用关系构建局部引用图，并计算 PageRank 风格的图谱声望。局部 PageRank：0.0016

引用影响力 15%

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 10%

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：214。

关键词评分

world model

world dynamics prediction

model-based reinforcement learning world model

interactive world model

world simulator

generative world model

video world model

深度分析

创新点

引入 ConfigWM，一种通过任务条件化状态提取实现可配置感知的世界模型。
使用语言任务描述作为配置信号，将视觉嵌入引导到任务特定状态空间，保留任务相关信息并抑制任务无关变化。
在任务特定状态空间中学习基于动作的条件动力学，以在噪声观测下进行规划。

方法

ConfigWM 将任务的语言描述作为配置信号，将视觉嵌入映射到任务特定的状态空间，选择性地保留任务相关信息并抑制干扰。随后在该状态空间中学习基于动作的条件动力学以用于规划。方法在干扰程度逐渐增加的环境中进行评估，并针对规划成功率、物理量探测和被干扰到干净样本检索等指标与现有方法进行比较。

关键结果

ConfigWM 在环境噪声增加时保持相对稳定，并在多种环境中平均优于最强基线方法 22.3%。此外，它在物理量探测中取得了 +0.365 Pearson r 的提升，在被干扰到干净样本检索上取得了 +75.5% 的提升。

资源

论文