路径五导论：把世界写成可执行的符号

WARNING

🧪 Beta公测版本提示：教程主体已完成，正在优化细节，欢迎大家提Issue反馈问题或建议。

前四条路径主要用神经网络拟合 $p(o_{t+1}\mid \dots )$ 或 $p(z_{t+1}\mid z_t,a_t)$。路径五换一种表示：状态是谓词，动力学是规则 / PDDL / 程序，神经网络（含 LLM）负责提出符号、接地像素、或补全规则覆盖不到的角落。这是 neurosymbolic AI 与 LLM 规划在世界模型上的汇合，不是「再用一次 ChatGPT 当模拟器」那么简单。

---

一、为什么还要符号？

神经网络世界模型灵活，但有三笔账经常还不清：

1. 数据：Dreamer / 视频扩散要海量交互或互联网视频；人从几次演示就能抽出「杯子在桌上」。
2. 组合泛化：训练时见过红方块、蓝圆，测试时要推从未见过的红圆——纯向量槽位很容易绑死在共现上。
3. 可检查的定律：Minecraft 里「木镐挖钻石必失败」是一条规则，不是 FVD 分数。幻觉的 LLM 模拟器会在这里翻车。

符号世界模型把动力学写成

$$s_{t+1}=\mathrm{Exec}(\mathrm{Rules},s_t,a_t)\text{或}\mathrm{PDDL}:\mathtt{\text{precondition}}\Rightarrow \mathtt{\text{effect}}$$

规划变成搜索（或 MPC 套在符号状态上），而不是在像素里滚一千步。代价是：符号从哪来？谁保证接地正确？随机性、连续物理怎么写进规则？

逐步说明：路径五和路径三都「可规划」，差在状态能不能打印（点击展开）

路径三的 $z$ 是向量，规划器能滚，人读不懂，开放视觉靠编码器。路径五的 $s$ 是谓词，可以写进日志、做单元测试（「木镐挖钻必失败」）。数据效率来自规则的组合，不是来自海量视频。失败则是接地错、规则覆盖不全、LLM 幻觉。demo 的钥匙—门：规则执行器换钥匙仍对；查找表只在训练转移上完美。

---

二、一张光谱，而不是一个算法名

端点	状态	动力学	代表
纯符号	谓词 / 对象	手写或学习的算子	经典规划、PDDL
LLM → 符号	文本描述	模型生成 PDDL / Python	Text2World、WALL-E 规则
像素 → 谓词	图像	VLM 提谓词 + 符号算子学习	pix2pred、R2L-LAMP
神经符号混合	向量槽 + 属性符号	可微规则绑定 / 能量约束	COSMOS、NeSyS
语义提问	像素	不问下一帧，问未来的语义 QA	Semantic World Models（下图）

Berg et al.（2025）把「世界模型」改写成关于未来的视觉问答：不必重建像素，只要能回答「动作之后杯子还在桌上吗」。这和路径三 JEPA「别预测像素」同方向，但接口是语言问题而不是嵌入。

图出自 Berg et al., Semantic World Models, arXiv:2510.19818, Figure 1。请对照原文：VLM 回答当前观察，视频 WM 预测未来像素，语义 WM 回答未来的语义问题并据此规划。引用仅用于教学说明。

同上，Figure 2。条件于动作的 VLM 回答被转成规划目标；不必先训练一个像素级前向模型。

---

三、本路径四章怎么读

1. 视觉接地：符号从图像里长出来（VLM 谓词、神经符号槽、从演示发明关系）。
2. 程序化动力学：世界模型 = 可执行代码或 PDDL；评测用执行而不是 BLEU。
3. 世界对齐：LLM 当先验，规则/符号能量当约束，解决幻觉。
4. LLM 模拟器：纯文本状态转移的下限与玩具——以及它为什么不够当主路径。

旧版把 LLM 章放在附录。现在它是路径五的接口层，不再假装自己能替代前三条视觉路径。

---

四、和路径三、四的边界

• 与 路径三：都可以规划。路径三的 $z$ 不可读；路径五的 $s$ 可打印、可验证、常更省数据，但开放视觉弱。
• 与 路径四：符号规则很容易表达 $do$（删一条 effect）；但规则学错了，干预语义也一起错。因果阶梯问的是「你的数据能不能支撑这句话」。
• AgentOWL（Piriyakulkij et al., 2026）在 Atari 上联合学层级 option 与抽象世界模型，夹在路径三（抽象状态）与路径五（可组合技能的符号图）之间，下一章程序化部分会点到。

---

五、代码

本章 demo.py 用一个「钥匙—门」微缩世界对比：显式规则执行器 vs 只记训练转移的查找表。后者在训练分布上完美，换一把没见过的钥匙就崩——这就是「神经记忆 ≠ 符号定律」的最小演示。

下一章从像素接地开始：从像素到谓词。

📥 Code

File	View	Download
demo.py	Open	Download
exercise.py	Open	Download

参考

1. LeCun, Y. (2022). A Path Towards Autonomous Machine Intelligence.（世界模型作为自主智能核心模块）
2. Berg, J., et al. (2025). Semantic World Models. [arXiv:2510.19818]
3. Craik, K. (1943). The Nature of Explanation.（内部小尺度模型）
4. 本路径其余引用见随后三章。