World Models for Robot Control: A Comprehensive Survey

本文全面综述了面向机器人控制的世界模型（World Models）研究进展。世界模型通过学习环境的动力学模型，使机器人能够在内部模拟中进行规划和决策，显著提升样本效率和规划能力，是机器人智能的核心技术之一。文章系统分析了前向动力学模型、逆向动力学模型、潜空间世界模型、生成式世界模型等核心方法，以及基于模型的强化学习、模型预测控制、想象规划等关键应用，并讨论了世界模型的可扩展性、不确定性建模、仿真到真实迁移等挑战与未来方向。来源机构包括Google DeepMind、UC Berkeley、MIT等顶尖研究机构。