论文页面 - 可操作世界表示

来源：https://huggingface.co/papers/2605.18743

摘要

WorldString 是一种从点云或 RGB-D 视频流中建模对象状态流形的神经网络架构，作为具有可微结构、可集成策略学习的物理世界模型的基石。

受大型语言模型中涌现出的类人智能行为的启发，研究社区正在探索世界模型（https://huggingface.co/papers?q=world%20models）中类似的涌现能力，重点聚焦于物理世界的建模。在物理世界模型的范畴内，对象是构成物理现实的基本基元。从人类到计算机，我们几乎与之交互的一切都是对象。这些对象很少是静态的；它们是可操作的实体，其状态由其内在属性决定。虽然当前的方法通过视频生成或动态场景重建来处理对象动作状态，但没有任何方法以一种统一、有原则的方式显式建模这一基本元素，以构建可操作的对象表示（https://huggingface.co/papers?q=object%20representation）。我们提出 WorldString，一种神经网络架构（https://huggingface.co/papers?q=neural%20architecture），能够通过直接从点云（https://huggingface.co/papers?q=point%20clouds）或 RGB-D 视频流（https://huggingface.co/papers?q=RGB-D%20video%20streams）学习，对真实世界对象的状态流形（https://huggingface.co/papers?q=state%20manifold）进行建模。作为一种通用的数字孪生（https://huggingface.co/papers?q=digital%20twin），它作为物理世界模型（https://huggingface.co/papers?q=world%20models）的基础构建模块；因此我们将其命名为 WorldString。更妙的是，其完全可微的结构无缝地实现了与策略学习（https://huggingface.co/papers?q=policy%20learning）和神经动力学（https://huggingface.co/papers?q=neural%20dynamics）的未来集成。

查看 arXiv 页面（https://arxiv.org/abs/2605.18743）查看 PDF（https://arxiv.org/pdf/2605.18743）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.18743）

在你的代理中获取这篇论文：

hf papers read 2605\.18743

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/2605.18743 即可从此页面链接。

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/2605.18743 即可从此页面链接。

引用该论文的 Spaces0

没有 Space 链接到这篇论文

在 Space README.md 中引用 arxiv.org/abs/2605.18743 即可从此页面链接。

包含该论文的收藏集0

没有收藏集包含这篇论文

将这篇论文添加到收藏集（https://huggingface.co/new-collection）即可从此页面链接。