待验证50% 置信事实精确时间
主流3D世界模型通常将GFM特征直接作为世界状态使用，这导致模型可能把相机运动引起的特征变化错误地当作场景演化来学习。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/16
首次发现
有效期至：2027/1/14
来源
涉及实体
相关事实
待验证传统世界模型通常只建模视觉预测，动作、深度等信息作为条件输入或后处理结果，导致模型难以理解三者之间的物理耦合关系。71% 相似已验证世界模型通常需要整合视频、传感器、物理仿真等多模态数据，学习物体运动、因果关系和空间拓扑等规律71% 相似待验证WorldClaw 将扩散模型的条件生成技术从二维图像扩展到三维场景，用地形高度场和语义布局作为条件信号70% 相似待验证世界基础模型的输入输出是视频、深度图、点云等多模态物理信号，而非纯文本 token；训练目标是预测场景在时间上的演化。69% 相似待验证VLA模型往往缺乏对物理世界动态演化的内在建模，更多是在模仿动作映射而非预测世界变化67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1041839API
curl https://kongchang.com/api/v1/knowledge/claims/1041839MCP
get_claim(id=1041839)