自回归序列建模

以物理可控世界模型理解物理对象

Physical Object Understanding with a Physically Controllable World Model

把视频世界模型当作可查询的概率推断器：通过对未来状态采样并分析运动相关性来无监督地分割出物体及其可动部件，为视觉研究者提供了一条不依赖标注的物体发现与3D操控思路。