HWM框架提出：引入耗散哈密顿动力学提升具身世界模型
热点事件持续更新
HWM框架提出：引入耗散哈密顿动力学提升具身世界模型
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
Kevin Chen等人提出HWM（结构化潜在动态框架）。该框架在通用相空间中通过广义坐标和动量表示骨干网络的潜变量，引入耗散哈密顿动力学来结构化潜变量的状态演化过程。其核心优势在于无需重新设计现有的感知或解码组件，即可直接整合到现有世界模型架构中，从而提升长时程预测的稳定性。 在实验测试方面，该模型在Cosmos-Predict2.5-2B上提升了2.7%的任务成功率，在AgiBot World真实轨迹上提升了9.7%的nDTW指标。该报道发布于2026年10月20日，来源为arXiv cs.lg领域。
AI 根据报道生成 · 2 小时前更新
最新进展10月20日 12:00
HWM：基于结构化潜变量动力学的长时程具身世界模型报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · MLHWM：基于结构化潜变量动力学的长时程具身世界模型
HWM 框架通过引入耗散哈密顿动力学来结构化潜变量状态演化，提升了具身世界模型长时程预测的稳定性。 该模型在通用相空间中表示潜变量，无需重新设计感知或解码组件，即可整合到现有世界模型架构中。 在 Cosmos-Predict2.5-2B 和 AgiBot World 真实轨迹上的测试中，HWM 分别提升了 2.7% 的任务成功率、9.7% 的 nDTW 指标。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。