Modelo do Mundo para Aprendizagem de Robôs: Uma Revisão Abrangente

Resumo

Modelos de mundo, que são representações preditivas de como os ambientes evoluem sob ações, tornaram-se um componente central da aprendizagem de robôs. Eles apoiam a aprendizagem de políticas, planejamento, simulação, avaliação, geração de dados e avançaram rapidamente com o surgimento de modelos fundamentais e geração de vídeo em larga escala. No entanto, a literatura permanece fragmentada entre arquiteturas, papéis funcionais e domínios de aplicação incorporados. Para preencher essa lacuna, apresentamos uma revisão abrangente dos modelos de mundo sob uma perspectiva de aprendizagem de robôs. Examinamos como os modelos de mundo são acoplados às políticas de robôs, como servem como simuladores aprendidos para aprendizado por reforço e avaliação, e como os modelos de mundo de vídeo robótico progrediram da geração baseada em imaginação para formulações controláveis, estruturadas e em escala fundamental. Conectamos ainda essas ideias à navegação e direção autônoma, e resumimos conjuntos de dados representativos, benchmarks e protocolos de avaliação. No geral, esta pesquisa revisa sistematicamente a literatura em rápido crescimento sobre modelos de mundo para aprendizagem de robôs, esclarece paradigmas e aplicações-chave, e destaca principais desafios e direções futuras para modelagem preditiva em agentes incorporados. Para facilitar o acesso contínuo a novos trabalhos, benchmarks e recursos emergentes, manteremos e atualizaremos regularmente o repositório GitHub complementar a esta pesquisa.

English

World models, which are predictive representations of how environments evolve under actions, have become a central component of robot learning. They support policy learning, planning, simulation, evaluation, data generation, and have advanced rapidly with the rise of foundation models and large-scale video generation. However, the literature remains fragmented across architectures, functional roles, and embodied application domains. To address this gap, we present a comprehensive review of world models from a robot-learning perspective. We examine how world models are coupled with robot policies, how they serve as learned simulators for reinforcement learning and evaluation, and how robotic video world models have progressed from imagination-based generation to controllable, structured, and foundation-scale formulations. We further connect these ideas to navigation and autonomous driving, and summarize representative datasets, benchmarks, and evaluation protocols. Overall, this survey systematically reviews the rapidly growing literature on world models for robot learning, clarifies key paradigms and applications, and highlights major challenges and future directions for predictive modeling in embodied agents. To facilitate continued access to newly emerging works, benchmarks, and resources, we will maintain and regularly update the accompanying GitHub repository alongside this survey.