标题：CVPR 2026 世界模型论文全景梳理：从生成到建模的关键转变

正文：
近年来，视频生成技术在视觉质量上取得了显著进展，但传统方法多基于2D图像空间逐帧建模，存在相机运动控制难、多物体交互不一致等问题。这些问题的根源在于模型缺乏对“世界本身”的建模能力。在此背景下，“世界模型”逐渐成为研究热点，旨在构建统一描述空间结构、时间演化和物理规律的内部表示，使模型不仅能生成内容，还能推理、预测甚至支持决策。这一趋势标志着研究目标从“生成真实结果”向“建模合理世界”的转变。

代表性工作解析
1. VerseCrafter：提出4D几何世界建模方法，将视频表示为“3D空间+时间”的统一状态，通过静态背景点云和动态3D高斯轨迹实现精确控制，解决了相机和物体运动难以统一的问题，提升了时序一致性。
2. NeoVerse：利用单目视频构建4D世界模型，突破多视角数据依赖，通过无位姿前馈式重建和在线退化模拟机制，显著提升泛化能力和实用性。
3. LongStream：提出流式规范解耦框架，解决长序列3D重建中的尺度漂移和误差累积问题，适用于自动驾驶等实时场景。
4. VideoWorld 2：直接从真实视频中学习可迁移知识，减少对模拟数据的依赖，使模型从“会生成”发展到“会理解”。
5. ProPhy：引入渐进式物理对齐机制，通过语义级到细粒度空间级的逐步建模，提升物理一致性。
6. 事件链因果建模：将复杂物理过程拆解为因果事件链，结合物理公式约束，生成符合因果关系的动态视频。
7. WorldForge：无需训练即可实现精确相机控制，通过递归优化和光流信息分离运动与外观，提升生成稳定性。
8. DriveLaW：统一视频生成与路径规划，在潜在空间中同时进行预测与决策，推动自动驾驶系统一体化发展。
9. ABot-PhysWorld：融合物理约束与动作控制，使机器人操作视频既真实又符合物理规律。
10. SimScale：利用真实数据驱动仿真环境，自动生成长尾场景数据，弥补真实数据不足，提升自动驾驶模型性能。

评测体系革新
1. 4DWorldBench：提出多维度评测框架，涵盖视觉质量、物理真实感和时空一致性，全面衡量世界模型能力。
2. WorldLens：针对自动驾驶模型，从生成、重建、动作跟随及下游任务表现等多角度进行综合评估。
3. GeoWorld：引入双曲空间建模，刻画状态层级结构，缓解长时预测误差累积问题。

这些研究共同指向一个目标：让模型从“生成工具”演变为“世界模拟器”，不仅能够生成视觉内容，还能理解和使用世界规律，为未来智能系统奠定基础。