ODEWorld: A Continuous Predictive Architecture via Physical-Time Flow
作者: Dongxiu Liu, Haoyi Niu, Peng Cheng, Yuan Gao, Xirui Kang, Sangli Teng, Koushil Sreenath, Xianyuan Zhan
分类: cs.LG, cs.CV, cs.RO
发布日期: 2026-07-30
🔗 代码/项目: PROJECT_PAGE
💡 一句话要点
提出ODEWorld以解决离散时间预测的低效问题
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)
关键词: 连续时间建模 物理时间流 常微分方程 潜在速度场 动态系统预测 视频生成 机器人控制
📋 核心要点
- 现有的机器学习模型多采用离散时间预测，难以有效捕捉物理世界的动态特性，导致效率低下。
- 提出物理时间流（PT-Flow），通过常微分方程在压缩潜在空间中进行时间积分，实现连续时间预测。
- ODEWorld在视频生成和机器人控制任务中表现优异，成功解决了潜在表示崩溃问题，提升了预测质量。
📝 摘要（中文）
在我们所处的物理世界中，空间和时间是根本连续的。然而，现有的世界建模机器学习范式主要局限于离散时间预测，导致在捕捉物理世界动态方面效率低下。本文提出了一种新方法——物理时间流（PT-Flow），它学习在物理时间中操作的连续潜在速度场。通过将序列数据的动态特征参数化为嵌入良好结构表示空间的常微分方程（ODE），未来的预测可以通过在压缩潜在空间中使用ODE求解器进行时间积分来重新表述。基于PT-Flow，构建了ODEWorld，一个高效且多功能的连续时间潜在世界模型，能够提取时间变化特征并在动态表示空间和潜在速度场上强制执行ODE属性，有效解决了潜在世界模型文献中的表示崩溃问题。ODEWorld的连续特性允许任意时间分辨率和向后预测，且能够为下游策略学习提供丰富的规划导向信息。实验表明，ODEWorld在视频生成和机器人控制中表现优异，成功调和了规划导向的动态抽象与视觉真实感。
🔬 方法详解
问题定义：本文旨在解决现有离散时间预测模型在捕捉物理世界动态时的低效问题，导致的表示崩溃和预测质量下降。
核心思路：通过引入物理时间流（PT-Flow），学习一个连续的潜在速度场，并利用常微分方程（ODE）进行时间积分，从而实现高效的连续时间预测。
技术框架：整体架构包括潜在速度场的学习、ODE求解器的应用以及动态表示空间的构建，确保在时间变化特征提取和ODE属性强制执行方面的有效性。
关键创新：ODEWorld的核心创新在于将ODE嵌入到潜在表示空间中，解决了传统模型中的表示崩溃问题，并实现了高质量的长时间预测。
关键设计：在模型设计中，采用了特定的损失函数以优化ODE的参数设置，并通过网络结构的设计确保了潜在速度场的连续性和动态特性。
🖼️ 关键图片
📊 实验亮点
实验结果表明，ODEWorld在视频生成任务中相较于传统离散时间模型提升了预测质量，尤其在长时间预测中表现出色，成功实现了高质量图像重建。此外，在机器人控制任务中，ODEWorld也展示了优越的规划能力，显著提高了任务完成率。
🎯 应用场景
该研究具有广泛的应用潜力，尤其在视频生成、机器人控制和动态系统建模等领域。ODEWorld的连续时间特性和高效预测能力为复杂系统的实时控制和规划提供了新的思路，未来可能在自动驾驶、智能制造等领域产生深远影响。
📄 摘要（原文）
In the physical world we inhabit, space and time are fundamentally continuous. However, existing machine learning paradigms for world modeling are largely confined to discrete-time prediction, thereby exhibiting significant inefficiency in capturing the dynamics of physical world. We introduce Physical-Time Flow (\textbf{PT-Flow}), a novel approach that learns a continuous latent velocity field operating in physical time. Crucially, the underlying dynamics of sequential data are parameterized by an ordinary differential equation (ODE) embedded in a well-structured representation space. Under this paradigm, the prediction of future can be recast as temporal integration via an ODE solver in the compressed latent space. Building upon PT-Flow, we construct \textbf{ODEWorld}, a continuous-time latent world model that is both efficient and versatile. By extracting time-variant features and enforcing ODE properties on both the dynamical representation space and the latent velocity field, ODEWorld effectively addresses the long-standing representation collapse issue in latent world model literature. This also enables high-quality image reconstruction even after long-horizon prediction. Moreover, its continuous nature allows for arbitrary temporal resolution and even backward prediction, which is impossible for most discrete-time models. Lastly, ODEWorld can provide rich planning-oriented information to facilitate downstream policy learning. Comprehensive experiments demonstrate that ODEWorld successfully reconciles planning-conducive dynamics abstraction with visual realism, excelling in both video generation and robotic control. \href{https://dstate.github.io/odeworld_website/}{Project Website}.