可编程世界模型：规则驱动持久世界状态
推荐指数 67.0 NO. 025 · 2026.09.11
upvotes64comments0
为什么值得看
将世界状态演化与视频生成解耦，用自然语言指令生成可执行程序控制3D实体状态与交互规则。解决了现有视频模型缺乏持久状态维护和可编程约束的核心痛点，为可控交互环境提供了工程可行的架构。
媒体预览
编辑判断
现有视频世界模型如 Sora、Genie 的交互本质上是"幻觉式"的，每次生成独立采样，无法保证物体位置、物理属性的跨帧一致性。这篇工作的关键工程判断是：把"世界长什么样"和"世界怎么变"拆成两个模块，前者走扩散模型，后者走轻量规则引擎。
这意味着推理成本可以大幅降低——不需要每帧都跑大模型，状态更新用 CPU 级程序即可完成。如果开源代码完整，游戏引擎、机器人仿真、AR 场景生成都能直接嫁接，比端到端世界模型更适合需要精确物理约束的落地场景。