stable-worldmodel-v1: 可复现的世界模型研究与评估

世界模型作为一种强大的范式，能够学习环境动态的紧凑且具有预测性的表示，使智能体能够进行推理、规划并超越直接经验进行泛化。尽管近期对世界模型的研究兴趣增加，但大多数现有实现仍局限于特定论文，严重限制了其可重用性，增加了错误风险，并降低了评估标准化程度。为解决这些问题，我们引入了稳定世界模型（SWM），一个模块化、经过测试和文档化的世界模型研究生态系统，提供高效的数据收集工具、标准化环境、规划算法和基准实现。此外，SWM中的每个环境都支持可控的变化因素，包括视觉和物理属性，以支持鲁棒性和持续学习研究。最后，我们通过使用SWM来研究DINO-WM的零样本鲁棒性，展示了其应用价值。