文章核心观点 - 一篇由多所顶尖高校及研究机构团队发布的综述，首次从架构集成的视角，系统性地将世界模型融入具身智能系统的现有研究划分为三大范式，并探讨了其核心优势与未来发展方向 [5][7][8] - 引入世界模型能解决传统反应式具身智能系统缺乏前瞻性和泛化性差的瓶颈，为智能体带来样本效率提升、长程推理能力、安全性增强及主动规划能力 [10][11][12] - 世界模型与策略模型的耦合强度可从梯度流动和信息依赖两个独立维度衡量，并据此形成从弱到强的模块化、顺序化、统一化三大架构范式 [15][16] - 未来研究将聚焦于表征空间的选择与融合、生成结构化意图、确保想象的可达性与物理一致性，以及探索统一的世界-策略模型构建范式 [27][28][29] 世界模型的核心价值与引入原因 - 传统端到端反应式方法面临两大瓶颈：缺乏前瞻性，无法预测未来状态以处理长程规划任务；泛化性差，难以适应未见过的环境或任务配置 [11][12] - 世界模型的思想源于人类认知科学，通过构建能预测未来的内部模型，使智能体获得“想象”能力，从而提升样本效率、长程推理能力、安全性及主动规划能力 [10][11] 三大架构融合范式 - **模块化架构**：世界模型与策略为独立、互操作的弱耦合模块，无梯度流动，策略输出不依赖未来状态；世界模型作为“世界模拟器”，让智能体能在内部根据动作预演未来，以判断动作的可行性、风险与长远收益 [15][16][20] - **顺序架构**：世界模型与策略为中等耦合，采用两阶段梯度传递；世界模型作为“决策生成器”，首先生成一个有价值的未来目标状态，将复杂任务拆分为目标生成与目标条件执行两个子问题，简化后续控制 [15][16][21][22][23] - **统一架构**：世界模型与策略融合为一个端到端的强耦合网络，在同一个损失目标下联合优化；网络在同一条计算路径中同时预测未来状态和输出动作，无需显式区分“模拟”与“决策”步骤 [15][16][24][25] 未来研究方向展望 - **表征空间选择与耦合**：需平衡视觉空间的语义丰富度与状态空间的高效紧凑，未来趋势是通过统一潜变量融合二者，为跨任务泛化奠基 [27] - **结构化意图的生成与表达**：世界模型应生成可解释的未来结构（如目标、轨迹、因果等），并与语言和符号推理结合，以显式刻画任务分解、物体关系与因果依赖 [27] - **想象对智能体脆弱性的指导**：需引入可达性判别、可行性过滤、物理一致性评估来降低想象目标超出本体能力的失效风险；同时需权衡模块化解耦带来的可解释性与终端性能最优性 [28] - **统一的世界-策略模型构建范式**：需探索如何将大规模预训练模型以最小代价转化为统一决策系统，关键难点在于状态空间对齐、表示粒度选择及避免表征偏置 [29]