論文の概要: From Generation to Simulation: How Far Are World Models from Being True Simulators?

• arxiv url: http://arxiv.org/abs/2608.23070v1
• Date: Mon, 24 Aug 2026 10:16:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:44.020697
• Title: From Generation to Simulation: How Far Are World Models from Being True Simulators?
• Title（参考訳）: 次世代からシミュレーションへ:世界モデルは真のシミュレーターからどこまで遠いのか?
• Abstract要約: 従来のシミュレータの8つの機能である外部ヤードスティックを用いた能力ベース研究を提案する。 我々は、遅延力学、ビデオ生成、共同埋め込み予測という3つの主要な技術経路を辿り、2018年から2026年6月までに発行された200の代表作を、これらの能力に正確にマッピングした。 我々の分析は、世界モデルは、特定のシナリオに対する相互作用と制御性において機能的な置換を達成したが、物理法則、構造化状態フィードバック、再現可能な長距離進化の正式な保証において、従来のシミュレータには及ばないことを示している。
• 参考スコア（独自算出の注目度）: 12.796687887000415
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the rapid progress of diffusion models and large-scale video generation, generative world models are increasingly expected to replace traditional simulators, including physics engines, game engines, and reinforcement-learning environments. Yet the remaining distance from generation to simulation lacks a systematic assessment. We present a capability-based study using an external yardstick: eight capabilities of a traditional simulator, namely asset construction, physics engine, interaction, controllability, stability, state feedback, diversity, and evaluation metrics. We trace three main technical routes--latent dynamics, video generation, and joint-embedding prediction--and map exactly 200 representative works published from 2018 to June 2026 onto these capabilities. Our analysis shows that world models have achieved functional substitution in interaction and controllability for specific scenarios, but remain short of traditional simulators in formal guarantees of physical laws, structured state feedback, and reproducible long-horizon evolution. State feedback is the most neglected cross-route shortcoming: only 6 of 163 implementation papers expose a runtime interface for querying entity states or physical parameters. We identify six research directions: formalized physics, a unified action interface, first-class state feedback, long-horizon stability, downstream-utility evaluation, and cross-route hybridization. Project page: https://github.com/AtongWang/world-model-simulators
• Abstract（参考訳）: 拡散モデルと大規模ビデオ生成の急速な進歩により、生成的世界モデルは、物理エンジン、ゲームエンジン、強化学習環境を含む従来のシミュレータを置き換えることがますます期待されている。 しかし、生成からシミュレーションまでの距離は体系的な評価に欠ける。 従来のシミュレーターの8つの機能、すなわち、資産構築、物理エンジン、相互作用、制御性、安定性、状態フィードバック、多様性、評価メトリクスである。 我々は、遅延力学、ビデオ生成、共同埋め込み予測という3つの主要な技術経路を辿り、2018年から2026年6月までに発行された200の代表作を、これらの能力に正確にマッピングした。 我々の分析は、世界モデルは、特定のシナリオに対する相互作用と制御性において機能的な置換を達成したが、物理法則、構造化状態フィードバック、再現可能な長距離進化の正式な保証において、従来のシミュレータには及ばないことを示している。 163の実装文書のうち6つだけが、エンティティの状態や物理パラメータを問合せするためのランタイムインターフェースを公開しています。 定式化物理学、統一アクションインタフェース、一級状態フィードバック、長期安定、下流ユーティリティ評価、ルート間のハイブリッド化の6つの研究方向を同定する。 プロジェクトページ: https://github.com/AtongWang/world-model-simulators

関連論文リスト

• TourPhysics: Bringing Physics to World Models for Exploration and Manipulation from a Single Image [53.206752160427065]
  TourPhysicsは、単一のイメージと宣言的な物理的な設定から得られるオンラインフレームワークである。 各動作について、シミュレータは、対応する観測が生成される前に、有限の物理およびカメラ軌道を計算する。 TourPhysicsは、評価されたベースラインよりも、所定のカメラとオブジェクトの軌跡に従う。
  論文  参考訳（メタデータ） (2026-09-04T09:15:03Z)
• GAUGE: A Measurement-Grounded Benchmark for Physical Fidelity in Simulation Engines and Video World Models [66.77745044586173]
  GAUGEは、数値シミュレータと生成ビデオワールドモデルがどのように現実の物理学から再現または逸脱するかを評価するための実世界の診断ベンチマークである。 一般化された軌道誤差を用いて14のタスクファミリー上でIsaac Sim,Genesis,Newtonをベンチマークし,5つの剛体タスクに対して6つのイメージ・ツー・ビデオモデルを評価する。 この結果から, 衝撃的接触, 高速繊維運動, 体積変形に起因する最大の相違点を有する一様忠実な物理エンジンは見つからなかった。
  論文  参考訳（メタデータ） (2026-08-06T12:19:38Z)
• Policy-as-Data: Learning Generalizable HOI Diffusion Models from Simulated Physics [23.400128774539812]
  本稿では,HOI 生成におけるデータ・スカシティのボトルネックを克服する新しい枠組みを提案する。 提案手法は,未知の物体への一般化の促進と長軸生成の能力を示す。
  論文  参考訳（メタデータ） (2026-06-22T03:32:35Z)
• OrbiSim: World Models as Differentiable Physics Engines for Embodied Intelligence [43.41740004740361]
  OrbiSimは、世界モデルを再定義する新しいロボットシミュレーションパラダイムで、インテリジェンスを具現化するための、完全に微分可能な物理エンジンである。 OrbiSimは、構造化されたシーンアセット、ニューラルダイナミクス、下流の強化学習を橋渡しする統合された物理的基盤の経路を確立する。
  論文  参考訳（メタデータ） (2026-05-12T13:43:53Z)
• PhyCo: Learning Controllable Physical Priors for Generative Motion [55.59209981836171]
  本稿では,ビデオ生成に連続的,解釈可能,物理的に接地された制御を導入するフレームワークであるPhyCoを紹介する。 i) 摩擦, 再構成, 変形, 力が様々なシナリオで体系的に変化する100K以上のフォトリアリスティック・シミュレーション・ビデオの大規模データセット, (ii) 物理制御された拡散モデルの微調整, (iii) VLM誘導報酬最適化, 微調整された視覚言語モデルにより、対象とする物理クエリを用いて生成されたビデオを評価し、異なるフィードバックを提供する。
  論文  参考訳（メタデータ） (2026-04-30T17:53:03Z)
• Agentic World Modeling: Foundations, Capabilities, Laws, and Beyond [209.35045331678043]
  2つの軸に沿って組織された「レベルx法」の分類を導入します。 第一に、3つの能力レベルを定義している: 1段階の局所遷移演算子を学ぶL1 Predictor、それらをドメインの法則を尊重する多段階のアクション条件付きロールアウトに構成するL2 Simulator、新しいエビデンスに対して予測が失敗すると自己のモデルを自動で修正するL3 Evolver。 我々は400以上の作品を合成し、モデルに基づく強化学習、ビデオ生成、WebおよびGUIエージェント、マルチエージェント社会シミュレーション、AIによる科学的発見にまたがる100以上の代表システムを要約する。
  論文  参考訳（メタデータ） (2026-04-24T17:48:47Z)
• Simulation Distillation: Pretraining World Models in Simulation for Rapid Real-World Adaptation [46.80452332618188]
  シミュレーション蒸留(SimDist)は、シミュレータから潜在世界モデルに構造的事前を蒸留するフレームワークである。 報酬モデルと価値モデルをシミュレーションから直接転送することで、SimDistは生の知覚から密集した計画信号を提供する。 SimDistは、データ効率、安定性、最終的なパフォーマンスにおいて、従来の方法よりも大幅に優れています。
  論文  参考訳（メタデータ） (2026-03-16T18:00:23Z)
• HSImul3R: Physics-in-the-Loop Reconstruction of Simulation-Ready Human-Scene Interactions [69.43316445143408]
  HSImul3Rはヒトとシーンの相互作用をシミュレーション可能な3次元再構成のための統合フレームワークである。 既存の手法は知覚とシミュレーションのギャップに悩まされており、物理エンジンの不安定性と、具体化されたAIアプリケーションの失敗につながっている。
  論文  参考訳（メタデータ） (2026-03-16T17:58:33Z)
• RealGen: Retrieval Augmented Generation for Controllable Traffic Scenarios [58.62407014256686]
  RealGenは、トラフィックシナリオ生成のための新しい検索ベースのコンテキスト内学習フレームワークである。 RealGenは、複数の検索されたサンプルの振る舞いを勾配のない方法で組み合わせることで、新しいシナリオを合成する。 このコンテキスト内学習フレームワークは、シナリオを編集する機能を含む多種多様な生成機能を提供する。
  論文  参考訳（メタデータ） (2023-12-19T23:11:06Z)
• Choose Your Simulator Wisely: A Review on Open-source Simulators for Autonomous Driving [25.320362844415012]
  シミュレータで開発されたアルゴリズムの有効性が懸念されている。 本稿では,シミュレータの進化を解析し,その機能と実用性について解説する。 アクセシビリティ、保守状態、品質などの要因を考慮して、選択シミュレータの勧告を提示する。
  論文  参考訳（メタデータ） (2023-11-18T12:30:41Z)
• Real-World Humanoid Locomotion with Reinforcement Learning [92.85934954371099]
  実世界におけるヒューマノイド移動に対する完全学習型アプローチを提案する。 コントローラーは様々な屋外の地形の上を歩けるし、外乱に対して頑丈で、状況に応じて適応できる。
  論文  参考訳（メタデータ） (2023-03-06T18:59:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。