世界模型与物理人工智能教程

世界建模正成为构建具备预测、推理和决策能力智能系统的核心原则。本文区分了显式世界模型（学习结构化动力学以进行基于推演的推理和规划）与隐式世界模型（在可扩展的学习表示中编码预测结构）。这两种互补范式为机器人和自动驾驶等物理 AI 领域奠定了基础，实现了超越现实约束下反应式控制的智能。尽管进展迅速，但在层次化推理、长程规划和自主目标形成方面仍面临重大挑战。本教程提出了一个连贯框架，通过共享预测结构统一多样的世界建模方法，并依据其表示和利用方式进行区分。