【分析】论文将实时状态跟踪、前向物理模拟、新视角渲染和在线视觉校正统一到同一种机器人世界表示中。这种任务组合具有价值，但实验仍然更侧重于状态跟踪，而不是完整的动作条件规划基准。论文提出 Gaussian–粒子双重表示，通过刚性绑定关系连接 PBD 物理粒子与 3D Gaussian 外观。系统在每一帧先执行物理预测，再把多视角 RGB 重建残差转换为视觉力，以 30 Hz 的频率闭环校正物理状态。

非抓取操作（例如受控的推/戳）虽然构成了一项基础的机器人技能，但由于其对涉及摩擦和恢复系数的复杂物理交互高度敏感，其学习仍然具有挑战性。为了实现鲁棒的策略学习和泛化，我们选择学习一个非抓取操作中涉及的3D刚体动力学世界模型，并将其用于基于模型的强化学习。我们提出了PIN-WM，一个基于物理信息的世界模型（Physics-Informed World Model），能够从视觉观测中以端到端的方式高效

本综述系统梳理 2023—2026 年把 3DGS 或动态 Gaussian 表示用于机器人世界模型的代表性研究，并围绕预测表征、动作条件机制、动态建模、接触处理、数据集、计算资源、评测指标和闭环实验进行比较。检索显示：2023 年主要是 3DGS 表示本身的奠基期，明确面向机器人未来预测的工作从 2024 年出现；到 2025—2026 年迅速分化为三条路线：（1）学习式 Gaussian 未来

由于真实世界交互的低效性，在已学习的世界模型（world model）内部训练机器人策略正成为一种趋势。已有的基于图像的世界模型和策略已经展现出一定的成功，但它们缺乏鲁棒的几何信息，而这对三维世界的一致空间和物理理解至关重要——即便这些模型已经在互联网规模的视频源上进行了预训练。基于3D的世界模型让机器人从“看图说话”升级为“空间推演”，所以就算换环境、换光照，它依然能精准地规划动作。为此，我们提

是：从少量真实观测中，自动获得具有可辨识性和可迁移性的质量、质心、静/动摩擦、恢复系数、刚度、阻尼等参数，再准确预测任意新外力和接触条件下的未来多视角视频。：本质上更接近“神经渲染 + 物理仿真”的混合体，可以生成带物理标签的交互轨迹，适合训练强化学习、系统辨识和模型预测控制。对“受力物体”这种任务，受力大小、摩擦系数、质量分布等关键量无法被精确建模，只是隐式地“模仿”训练视频中的运动模式。能输出

开发能够理解复杂物理交互的世界模型，对于推进机器人规划与仿真至关重要。然而，现有方法在数据稀缺且接触丰富的动态运动场景下，往往难以精确地对环境进行建模。为应对这些挑战，我们提出了 ContactGaussian-WM，一个可微分的基于物理的刚体世界模型，能够直接从稀疏且富含接触的视频序列中学习复杂的物理规律。我们的框架包含两个核心组件：（1）一种统一的 Gaussian 表示，同时用于视觉外观和碰