待验证50% 置信事实精确时间
基于神经网络的世界模型能从数据中自动学习物理规律和视觉风格，与依赖预设规则和美术资产的传统游戏引擎不同
1
来源数
50%
置信度
长期有效
时效性
2026/10/11
首次发现
来源
涉及实体
相关事实
待验证神经符号规划方向尝试用神经网络学习动作模型，同时保留符号规划器的推理结构以兼得两者之长71% 相似待验证存在一项题为《人工神经网络的涌现符号结构》的研究，关注神经网络在训练过程中是否会自发形成类似人类认知的符号化结构69% 相似待验证物理模型与数据驱动模型的结合在机器人领域被称为「混合建模」或「残差学习」，典型方式是物理模型给出基准预测、神经网络学习残差误差69% 相似待验证论文构建了一个理想化的模型世界Gradland，其居民是神经网络，物理规则完全已知且函数大多可微分68% 相似待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68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/995398API
curl https://kongchang.com/api/v1/knowledge/claims/995398MCP
get_claim(id=995398)