3d-world-modeling

GeoState提出了一种视角解耦的几何表示，将场景动态与相机运动分离以实现预测性3D世界建模，在Waymo上超越先前方法，并可零样本泛化到KITTI和nuScenes。

ExeWorldBench 是首个通过基于代码的 3D 世界构建，全面评估世界理解与可执行实现能力的基准，包含三个递进任务：机制可执行性、组合可执行性和意图驱动的可执行世界合成。实验显示前沿模型在可执行世界建模方面仍存在显著局限。

WorldAct是一个框架，利用多模态智能体和几何重建技术，将静态的3D生成环境转换为可编辑、可交互的以对象为中心的场景，支持对象级编辑和具身任务执行。