---
title: "世界模型范式重塑：2026.05 双子星 OrbiSim & WEM"
date: 2026-05-20
lastmod: 2026-05-20
draft: false
summary: "针对 2026 年 5 月同期发布的 OrbiSim 与 WEM 两篇论文，从『可微物理引擎』与『世界-自我解耦』两条范式重塑路线展开深度评析与综合对比。"
tags: ["world-models", "embodied-ai", "differentiable-physics", "world-ego-disentanglement", "diffusion", "robotics", "2026"]
categories: ["research", "world-models"]
weight: 5
math: true
toc: true
---

## 综述定位

2024 年以来，世界模型（World Model）研究在两个方向上同时承压：

1. **生成式视频路线**（Sora / Cosmos / WoW / Wan2.2）虽视觉保真度迅猛提升，却在物理一致性、长视野指令跟随、可控梯度三方面持续掉队；
2. **经典物理引擎路线**（MuJoCo / PhysX / Isaac Sim）虽动力学精确，却完全不可微、视觉栈贫瘠，难以承接深度学习时代的数据驱动闭环。

2026 年 5 月，两篇风格迥异但主张**同源**的论文几乎在同一周登陆 arXiv，构成了我们所说的"范式重塑双子星"：

- **OrbiSim**（arXiv:2605.16395，2026-05-12，上海交通大学）——把世界模型重新定义为**端到端可微物理引擎**，提出"状态/视觉解耦 + 解析策略梯度"。
- **WEM**（arXiv:2605.19957，2026-05-19，CASIA / 北大 / 上交）——把世界模型重新定义为**世界/自我（world-ego）解耦的生成器**，并发布首个混合导航-操作长视野基准 HTEWorld。

两者一上一下地包夹了"单流视频预测器"这一旧范式：OrbiSim 把它向下打回**物理引擎**，WEM 把它向上抬入**世界-自我两支**。本子节专门用于对二者的范式取舍、机制差异与未来合流可能性进行系统分析。

## 文件导航

| 文件 | 角色 | 字数估算 |
|------|------|----------|
| [`joint_synthesis.md`](joint_synthesis.md) | **综述主文件**：范式对比 / 分类法 / 公式形式化 / 关键表格 / 批判分析 | 约 5500 字 |
| [`orbisim_review.md`](orbisim_review.md) | OrbiSim 单篇深度解读 | 约 2000 字 |
| [`wem_review.md`](wem_review.md) | WEM 单篇深度解读 | 约 2100 字 |

## 阅读建议

- 想快速建立 2026.05 范式版图：直接读 [`joint_synthesis.md`](joint_synthesis.md) 的 §3 分类法与 §5 对比表格。
- 关心**物理控制 / 强化学习 / 可微梯度**：先 [`orbisim_review.md`](orbisim_review.md)，再回到主文 §7 合流讨论。
- 关心**视频生成 / 多轮指令 / 长视野基准**：先 [`wem_review.md`](wem_review.md)，再回主文。
- 与本仓库既有综述的关系：见上级目录 [`world_models_review.md`](../world_models_review.md) 与 [`world_models_arxiv_2025_survey.md`](../world_models_arxiv_2025_survey.md)，本节可视为它们在 2026.05 时间点上的**专题切片**。