综述了世界模型（World Models）的发展脉络，涵盖从早期统计方法到现代多模态大模型的演进。文章定义了世界模型的核心功能为理解世界机制与预测未来状态，梳理了关键技术如 VAE、RNN、RSSM 及 Transformer 的演变。内容涉及强化学习、自动驾驶、机器人等应用领域，并探讨了多模态融合、物理先验及长期预测等未来趋势。旨在为研究者提供系统性的理论框架与技术参考。
论文来源: Understanding World or Predicting Future? A Comprehensive Survey of World Models arXiv 编号: 2411.14499v2
作者: Jingtao Ding, Yunke Zhang, Yu Shang, Yuheng Zhang, et al.
发布时间: 2024 年 11 月
世界模型（World Models）是人工智能系统对环境的内部表示或模拟，旨在：
论文标题提出了世界模型研究的两个核心问题：
| 功能类型 | 目标 | 应用 |
|---|---|---|
| 理解型 | 构建内部表示，理解世界机制 | 知识表示、因果推理、场景理解 |
| 预测型 | 预测未来状态，模拟决策结果 | 强化学习、规划、自动驾驶 |
世界模型是智能体（Agent）对环境的内部表示或模拟，用于预测环境的动态和结果，支持决策和规划。
在强化学习框架下，世界模型通常表示为：
s_{t+1} = f(s_t, a_t)
其中 s_t 为当前状态，a_t 为当前动作，f 为世界模型（状态转移函数）。
现代世界模型不仅预测状态转移，还包括观察模型、奖励模型和终止模型。
从手工特征到深度特征，再到 VAE 潜在空间、RSSM、Transformer 及多模态表示。
从概率图模型（HMM）到神经网络模型，再到循环神经网络、RSSM 及 Transformer。
包括监督学习、梦境训练、Dyna 风格及对比学习。
涵盖模型预测控制（MPC）、价值函数学习及蒙特卡洛树搜索（MCTS）。
世界模型经历了奠基期、深度学习期、现代世界模型期、扩展应用期及多模态大模型期。核心洞察在于理解与预测的平衡，以及表示、动态、规划三大要素。未来将聚焦多模态融合、大规模预训练、物理先验及长期预测。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
