PhysiCalWorld：世界模型的上下文物理校准
来自 arXiv · 期号 2026-10-22
摘要
世界模型通常只靠当前画面或短时窗口来感知场景，但物体的质量分布、关节阻尼、表面摩擦这些物理属性，画面里是看不出来的。 不校准这些物理参数，模型预测就会偏向训练集的平均经验，在新场景里快速漂移。 PhysiCalWorld 的做法是：先在测试场景里采集一段探索性交互片段，把它编码成一个紧凑的物理描述符 token，然后用这个 token 来引导后续的预测。整个过程不需要微调，也不需要显式的物理建模。 描述符 token 只提取一次，后续 rollout 可以复用，计算开销可以忽略。 在四个覆盖不同物理变化的场景上，PhysiCalWorld 显著提升了 rollout 预测准确率和视觉规划成功率。学到的描述符也形成了有物理结构的隐空间，能泛化到训练时没见过的物理范围。