在具身智能中，世界模型（World Model） 是智能體對物理環境的內在“認知地圖”，它通過學習環境的動態規律（如物體運動、物理交互、因果關系等），實現對未來狀態的預測、對過去狀態的反推，以及對未觀測狀態的補全。其核心價值在于：讓智能體無需頻繁與真實環境交互，就能在“虛擬腦內”模擬可能的動作后果，從而降低試錯成本、提升決策效率——這類似于人類“三思而后行”的認知機制。

一、世界模型的核心技術路線

根據建模方式、預測目標和與具身系統的耦合方式，世界模型的技術路線可分為三大類：

1. 按“表征形式”劃分

• 符號主義世界模型
  基于規則和邏輯構建結構化表征（如物體屬性、空間關系、因果鏈），典型如早期SHRDLU系統（通過符號描述積木世界）。

  • 優勢：可解釋性強，適合簡單規則場景（如棋盤游戲、結構化工業裝配）。
  • 局限：泛化能力弱，難以處理非結構化環境（如家庭場景中隨機擺放的物品）。

• 連接主義世界模型
  基于神經網絡學習高維連續表征，直接從傳感器數據（視覺、觸覺、力覺等）中提取環境動態規律。

  • 典型代表：D