物理原生世界模型：生成式世界建模的哈密顿视角

Physically Native World Models: A Hamiltonian Perspective on Generative World Modeling

世界模型近期重新成为具身智能、机器人学、自动驾驶和基于模型的强化学习的核心范式。然而，当前世界模型研究往往由三条部分分离的路径主导：强调视觉未来合成的二维视频生成模型、强调空间重建的三维场景中心模型，以及强调抽象预测表征的类JEPA潜在模型。尽管每条路径都取得了重要进展，但它们仍难以提供物理上可靠、动作可控且长时域稳定的具身决策预测。本文认为，世界模型的瓶颈已不再仅仅是能否生成逼真的未来，而在于这些未来是否具有物理意义且对动作有用。我们提出**哈密顿世界模型**作为世界建模的一种物理基础视角。其核心思想是：将观测编码到结构化的潜在相空间，通过包含控制、耗散和残差项的哈密顿驱动动力学演化潜在状态，将预测轨迹解码为未来观测，并利用生成的轨迹进行规划。我们讨论了哈密顿结构如何提升可解释性、数据效率和长时域稳定性，同时指出了在涉及摩擦、接触、非保守力和可变形物体的真实机器人场景中面临的实际挑战。