world2vec: Mechanistic world models through latent dynamics learning

📄 arXiv: 2610.40637v1 📥 PDF

作者: Tobias Schmidt, Rodrigo Gonzalez Laiz, Krisztián Szuppinger, Steffen Schneider

分类: cs.LG

发布日期: 2026-10-29

备注: https://worldmodels.science/

💡 一句话要点

提出world2vec以实现机械世界模型的学习

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)

关键词: 世界模型 潜在动态 控制性能 系统识别 机械解释性 科学发现

📋 核心要点

  1. 现有的世界模型在捕捉环境动态方面存在不足，限制了其在科学研究中的应用。
  2. 论文提出的world2vec通过观察和动作学习机械世界模型，避免了对奖励信息的依赖。
  3. 实验结果显示，world2vec在控制连续环境和系统识别方面表现优异，参数量显著低于现有方法。

📝 摘要（中文）

世界模型能够在不真实捕捉环境动态的情况下实现强大的控制性能，这限制了其在机械解释性和科学发现方面的潜力。本文提出了world2vec，通过直接从观察和动作中学习机械世界模型，而无需奖励信息。world2vec学习的潜在动态能够在较长的预测范围内真实再现系统，且参数数量比DreamerV3、TD-MPC2和LeWM少一个数量级。这使得在从像素控制连续环境方面达到了最先进的性能，并在71个吸引子的基准测试中实现了准确的系统识别，展示了世界模型在科学发现中的适用性。

🔬 方法详解

问题定义：本文旨在解决现有世界模型在捕捉环境动态方面的不足，导致其在科学发现中的应用受限。现有方法往往依赖于奖励信息，限制了模型的解释性和灵活性。

核心思路：论文提出的world2vec通过直接从观察和动作中学习潜在动态，避免了对奖励信号的依赖，从而实现了对真实系统的有效建模。该方法的设计旨在提高模型的机械解释性和预测能力。

技术框架：world2vec的整体架构包括数据采集、潜在动态学习和控制策略生成三个主要模块。首先，通过观察和动作数据进行潜在动态的学习，然后利用学习到的动态进行控制策略的优化。

关键创新：world2vec的主要创新在于其能够在较长的预测范围内真实再现系统动态，并且参数数量显著低于现有的DreamerV3、TD-MPC2和LeWM等方法。这一创新使得模型在控制性能和系统识别上具有更高的效率。

关键设计：在模型设计中，采用了特定的损失函数以优化潜在动态的学习效果，并通过精简网络结构降低了参数数量。此外，模型的训练过程注重于长时间序列的预测能力，以确保在复杂环境中的应用效果。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

实验结果表明，world2vec在控制连续环境方面达到了最先进的性能，且在71个吸引子的基准测试中实现了准确的系统识别。与DreamerV3、TD-MPC2和LeWM相比，world2vec的参数数量减少了一个数量级，展现了其在效率和效果上的显著提升。

🎯 应用场景

该研究的潜在应用领域包括机器人控制、自动驾驶、智能制造等。通过提供更高效的世界模型，world2vec能够帮助科学家和工程师更好地理解和预测复杂系统的行为，从而推动相关领域的技术进步和创新。

📄 摘要（原文）

World models can achieve strong control performance without faithfully capturing the dynamics of their environment, limiting their potential for mechanistic interpretability and scientific discovery. Here, we introduce world2vec to learn mechanistic world models without reward information directly from observations and actions. World2vec learns latent dynamics that faithfully reproduce the true system over long prediction horizons, with at least one order of magnitude fewer parameters than DreamerV3, TD-MPC2 and LeWM. This enables state of the art performance in controlling continuous environments from pixels and accurate system identification across a benchmark of 71 attractors, demonstrating how world models are amenable to scientific discovery.