中文

被动式物体状态世界模型中运动学、接触与物体恒常性场的事件条件诊断

机器人学 2026-06-26 v1 人工智能 机器学习

摘要

世界模型能够预测未来物理状态,但仅凭预测准确性无法解释物理信息在其潜在动力学内部是如何组织和使用的。我们引入了一种受控诊断协议,用于研究被动式物体状态世界模型中的事件条件潜在物理结构。该协议测试了隐藏表示是否编码了事件状态信息,事件上下文是否对非排他性物理场读出进行重加权,以及场对齐的表示组件是否对预测产生功能性影响。使用包含自由运动、碰撞和遮挡事件的平衡受控生成器数据集,我们在固定时间窗预测设置下评估了循环模型、基于注意力的模型和潜在状态空间转换模型。这些模型学习到了有用的预测动力学,其隐藏状态支持可靠的事件状态读出。事件上下文系统地重新加权运动学、接触和物体恒常性场读出:自由运动以运动学为主导,碰撞结合了运动学和接触结构,而遮挡结合了运动相关和物体恒常性结构。时间对齐和方向一致性分析进一步显示了场强调的相位相关偏移。最后,固定时间窗投影因果场效应(CFE)表明,抑制场对齐方向会降低事件相关预测,其中碰撞-接触窗口中的接触对齐结构证据最强,而严重遮挡隐藏窗口中的物体恒常性对齐结构证据较为有限。这些结果支持了潜在物理场的事件条件组织和固定时间窗功能敏感性,但并不意味着存在显式的物理模块、孤立的因果回路或上下文不变的滑动窗口泛化。

关键词

引用

@article{arxiv.2606.28455,
  title  = {Event-Conditioned Diagnostics of Kinematic, Contact, and Object-Permanence Fields in Passive Object-State World Models},
  author = {Yang Liu and Yuming Chen},
  journal= {arXiv preprint arXiv:2606.28455},
  year   = {2026}
}