ODEWorld: 基于常微分方程的连续时间世界模型
Dongxiu Liu · hf · 2026-08-03
ODEWorld 是一种新型的连续时间潜在世界模型，突破了现有机器学习范式主要局限于离散时间预测的局限，更高效地捕捉物理世界的连续动态。
核心机制与优势：
- PT-Flow (物理时间流)：学习在物理时间中运行的连续潜在速度场，通过常微分方程 (ODE) 求解器在压缩的潜在空间中进行时间积分，以此预测未来。
- 解决表示崩溃：通过提取时变特征并在动态表示空间和潜在速度场上强制执行 ODE 属性，有效解决了潜在世界模型中长期存在的表示崩溃问题。
- 高保真与灵活性：即使在长时序预测后也能实现高质量的图像重建。其连续特性允许任意时间分辨率预测，甚至支持向后预测（追溯过去）。
- 利于策略学习：能够提供丰富的面向规划的信息，促进下游策略学习。
实验表明，ODEWorld 在视频生成和机器人控制方面均表现出色，成功将利于规划的动态抽象与视觉真实感相结合。
「具身」频道最新
- 荣耀机器人手机实测：机械云台加AI大脑，让手机从工具变伙伴 — 数字生命卡兹克 · 2026-08-03
- CS-JEPA: 去中心化群体机器人的高效状态预测架构 — ITMO · 2026-08-03
- N_0-TWAM: 首个大规模触觉原生世界-动作模型 — NeoteAIEmbodied · 2026-08-03
- comma.ai 复盘自动驾驶模型早期离谱 Bug — dosco · 2026-08-03
- 对话超维动力罗平：具身模型的核心是打通人类数据到机器人的闭环 — 机器之心 · 2026-08-03
- 华科联合华为推TurboVLA：绕开LLM实现32Hz高频机器人控制 — 机器之心 · 2026-08-03