机器人学习中的世界模型：全面综述
摘要
本综述全面回顾了机器人学习中世界模型的文献，涵盖其在策略学习、规划和模拟中的作用。文章突出了预测建模在具身智能体中的关键范式、基准测试及未来发展方向。
查看缓存全文
缓存时间: 2026/05/13 04:10
论文页面 - 机器人学习的世界模型：全面综述
来源：https://huggingface.co/papers/2605.00080 作者：
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
摘要
作为环境动态的预测表征，世界模型已成为机器人学习的重要组成部分，支持策略学习、规划和模拟等多种具身应用场景。
世界模型（https://huggingface.co/papers?q=World%20models）是对环境在动作作用下如何演化的预测表征（https://huggingface.co/papers?q=predictive%20representations），已成为机器人学习（https://huggingface.co/papers?q=robot%20learning）的核心组件。它们支持策略学习（https://huggingface.co/papers?q=policy%20learning）、规划（https://huggingface.co/papers?q=planning）、模拟（https://huggingface.co/papers?q=simulation）、评估（https://huggingface.co/papers?q=evaluation）和数据生成，并随着基础模型和大规模视频生成（https://huggingface.co/papers?q=video%20generation）的兴起而迅速发展。然而，现有文献在架构、功能角色和具身应用领域方面仍然分散。为了弥补这一空白，我们从机器人学习的角度对世界模型（https://huggingface.co/papers?q=world%20models）进行了全面综述。我们探讨了世界模型（https://huggingface.co/papers?q=world%20models）如何与机器人策略结合，如何作为强化学习（https://huggingface.co/papers?q=reinforcement%20learning）和评估（https://huggingface.co/papers?q=evaluation）的学习型模拟器，以及机器人视频世界模型（https://huggingface.co/papers?q=world%20models）如何从基于想象的生成发展到可控、结构化以及基础规模化的建模框架。我们还将这些理念与导航和自动驾驶联系起来，并总结了代表性数据集、基准测试和评估（https://huggingface.co/papers?q=evaluation）协议。总体而言，本综述系统回顾了机器人学习（https://huggingface.co/papers?q=robot%20learning）中快速增长的世界模型（https://huggingface.co/papers?q=world%20models）文献，澄清了关键范式和应用，并指出了具身智能体（https://huggingface.co/papers?q=embodied%20agents）预测建模的主要挑战和未来方向。为了方便持续访问新出现的工作、基准和资源，我们将维护并定期更新伴随本综述的 GitHub 仓库。
查看 arXiv 页面（https://arxiv.org/abs/2605.00080）查看 PDF（https://arxiv.org/pdf/2605.00080）项目页面（https://ntumars.github.io/wm-robot-survey/）GitHub（https://github.com/NTUMARS/Awesome-World-Model-for-Robotics-Policy）加入收藏夹（https://huggingface.co/login?next=%2Fpapers%2F2605.00080）
在你的 agent 中获取该论文：
hf papers read 2605\.00080
没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash
引用该论文的模型 0
没有模型链接到这篇论文
在模型 README.md 中引用 arxiv.org/abs/2605.00080 即可从该页面链接。
引用该论文的数据集 0
没有数据集链接到这篇论文
在数据集 README.md 中引用 arxiv.org/abs/2605.00080 即可从该页面链接。
引用该论文的项目 0
没有 Space 链接到这篇论文
在 Space README.md 中引用 arxiv.org/abs/2605.00080 即可从该页面链接。
包含该论文的合集 0
没有合集包含这篇论文
将此论文添加到合集（https://huggingface.co/new-collection）即可从该页面链接。
相似文章
世界模型：架构、方法、推理范式与应用的全面综述
关于世界模型的全面综述，提供了一个多轴分类体系，涵盖架构、方法、推理策略以及跨AI领域的应用，包括Dreamer、MuZero和Sora等关键系统。
@_akhaliq: 世界行动模型综述
一篇关于世界行动模型的综述论文，涵盖了AI行动和世界模型的最新进展。
用于机器人操作的 World Value Models
本文提出了World Value Model (WVM)，一种通用机器人价值模型，它将世界模型与价值估计相结合，以准确评估任务进展，并从混合质量数据中改进机器人策略学习，在标准基准和新的次优数据基准上取得了最先进的结果。
机器人需要的不仅仅是VLA和世界模型
本文立场论文认为，推进机器人智能需要将非结构化的行为数据通过专门的接口进行整合，用于标注、具身映射、世界建模和奖励推断，而不是仅仅依赖扩展视觉-语言-动作（VLA）模型和世界模型。
世界行动模型：具身智能的下一个前沿
本综述论文介绍了世界行动模型（World Action Models，WAMs），这是一种将预测性状态建模与行动生成相结合的具身智能统一框架。该文提供了现有方法的分类体系，分析了数据生态系统，并概述了这一新兴范式的评估协议。