1. 代码也能当世界模型？VisualPatchWorld 横空出世
神经世界模型 比如 Dreamer、LeWM 等，直接从交互数据中学习，把动力学压缩成连续向量空间的隐表示。优点是可扩展、数据驱动；但问题是，当它预测错了，你根本不知道错在哪——没有可编辑的方程，也没有可检查的规则。
显式物理引擎 比如 MuJoCo、PyBullet，状态和物理定律都是显式的、可查看可修改。但坏处是，每个新环境都需要人类专家从头搭建，工程量大到令人发指，根本不可能大规模自动生成。
VPW代码世界模型：比代码基线高23.5%，接触操作从0到96%
如何让机器人学会像人一样理解物理世界？港浸大团队提出了VisualPatchWorld，它不依赖人工搭建的物理引擎，而是从几个专家轨迹中自动学习可执行的代码级世界模型。这种方法既保留了神经模型的自动化能力，又让模型变得清晰可见、可编辑。
原论文信息如下：
今天龙哥要聊的这篇，来自香港浸会大学团队的 VisualPatchWorld（VPW），读完之后龙哥只想说：这思路，真特么清奇。 这帮人居然把“世界模型”写成了活生生的、可执行的 Python 代码——你可以在代码里看到“哦，原来机器人认为物体是这样移动的”，然后还能手动改两行参数，让它的物理直觉变得更好。这可比黑盒神经网络让人踏实多了。
先别急着说“不就是写个物理模拟器嘛”，VPW 不是手工撸的，而是从几条专家轨迹中自动“学”出来的代码。它用了两阶段归纳：先通过短促的主动探测选出正确的动力学“草图”（是接触驱动还是线性导航？是关节空间还是笛卡尔？），再根据多步预测误差拟合参数。最终产出的，就是一个可以像模拟器一样滚动、可以像程序一样检查修改、可以直接塞进规划器用的 python 文件。
龙哥看到这个想法的时候，脑子里蹦出来的表情是下面这样的👇
先简单说一下背景。“世界模型”（World Model）——这词在不同领域有不同含义，但核心目标都一样：代理（Agent）用模型预测环境在动作下如何变化，从而支持感知、仿真和规划。目前有两类典型实现：
那么问题来了：有没有一种方法，既能像神经模型那样自动从数据中学习，又能像物理引擎那样给出可解读、可编辑的代码？ VPW 给出的答案就是：把世界动力学直接写成代码——代码本身就是一种结构化的隐表示。这不是比喻，VPW 真的产出一个可执行的 Python 函数，你把它 import 进来，喂给它当前状态和动作，它就能输出下一时刻状态。
先感受一下全景图——下面这张图展示了 VPW 在“世界模型”光谱中的位置：左边是隐向量空间的黑盒，右边是手工精调的数字引擎，而 VPW 恰好用代码架起了一座桥。
LONGGE AI COMMUNITY
把每天读到的论文，变成长期积累
加入「龙哥读论文」知识星球，持续获取 AI 论文、资讯、开源项目、招聘与研究思路。
加入龙哥读论文微信群：添加微信 kangjinlonghelper，备注“研究方向 + 地点 + 学校/公司 + 昵称”。
微信扫码加入知识星球