WorldString：可操作的世界表示
人工智能
2026-05-21 v2
摘要
受泛化人类智能的大语言模型中涌现行为的启发，研究界正在世界模型中追求类似的涌现能力，重点是建模物理世界。在物理世界模型的范围内，物体是构成物理现实的基本原语。从人类到计算机，我们交互的几乎所有事物都是物体。这些物体很少是静态的；它们是具有由其内在属性决定的不同状态的可操作实体。虽然当前方法通过视频生成或动态场景重建来处理物体动作状态，但没有一种方法以统一、有原则的方式显式建模这一基本元素以构建可操作的物体表示。我们提出了 WorldString，一种能够通过直接从点云或 RGB-D 视频流中学习来建模现实世界物体状态流形的神经架构。作为通用的数字孪生，它充当物理世界模型的基础构建块；因此我们将其命名为 WorldString。巧妙的是，其完全可微的结构无缝地实现了与策略学习和神经动力学的未来集成。
引用
@article{arxiv.2605.18743,
title = {WorldString: Actionable World Representation},
author = {Kunqi Xu and Jitao Li and Jianglong Ye and Tianshu Tang and Isabella Liu and Sifei Liu and Xueyan Zou},
journal= {arXiv preprint arXiv:2605.18743},
year = {2026}
}