心理世界模型

心理世界模型（Mental World Model, MWM）指面向具身智能体的人类内部心理状态表示。它把 世界模型 从物理空间、动作和物体状态，推进到意图、信念、情绪、目标、偏好和社会互动中的心智推理。

观察

• 物理世界模型关注空间、运动和可量化物理属性；心理世界模型关注人如何理解、期望、误解和回应他人。两者都是 embodied agent 进入真实世界所需的状态模型，但建模对象不同。
• 心理世界模型与 社会世界模型 相邻：前者更关注个体内部 mental states 和 Theory of Mind，后者更关注关系、博弈、群体传播和制度结构。
• 对 以人为中心的具身智能 来说，MWM 提供了一个技术化语言：机器人或穿戴设备要与人协作，不只要识别人的位置和动作，还要推断人的意图、情绪、注意、信念和社交语境。
• 论文摘要强调当前 MWM 研究存在概念框架碎片化、MWM 与物理世界模型边界模糊、Theory of Mind 推理路线和评测脱节等问题。这说明 MWM 仍更像正在整理中的研究框架，而不是成熟工程标准。
• MWM 与 人体模型 可以互补：人体模型偏身体状态和动作反馈，心理世界模型偏内部心理状态和社会推理。
• 情绪计算 是心理世界模型中的一个具体子问题：情绪状态如何被多模态信号估计、如何进入互动反馈，以及如何避免过度推断。
• MindClaw 把心理世界模型推进到实时闭环：机器人需要在观察、信念更新、推理、行动和 noop 之间做认知调度，而不只是离线回答 ToM 问题。
• 多模态心理健康理解 把 mental state modeling 落到心理健康场景：情绪和认知状态可以被组织成自然语言画像，但这些画像必须被理解为可错的辅助表示。
• Meta 的具身智能体路线把 MWM 放进虚拟化身、可穿戴设备和机器人共同使用的架构中：agent 不只要预测环境状态，还要把用户意图、社会语境和互动目标作为规划变量。
• 观察学习与行动学习的结合提示，心理世界模型不能只靠离线多模态语料形成。agent 需要在真实互动中校正自己对用户意图、情绪和规范的估计。
• MWM 的技术分歧可以粗略拆成 prompting 与 model-based 两条路线：前者依赖 LLM/VLM 的隐式 ToM 能力，后者用贝叶斯逆规划、概率图模型、粒子滤波或神经-符号结构显式表示信念、目标和情绪。
• 关键挑战包括心理状态动态耦合、多模态时间对齐、高阶递归爆炸，以及评测从静态文本 QA 走向在线交互场景。

边界

• 心理世界模型不等于读心。它只能基于行为、语言、上下文和交互历史进行可错的状态估计。
• Theory of Mind benchmark 不必然代表真实人机协作能力；心理状态推理尤其需要处理隐私、授权、误判和操控风险。

相关页面

• 世界模型
• 社会世界模型
• 以人为中心的具身智能
• 人体模型
• 人本城市模拟
• 情绪计算
• MindClaw
• 多模态心理健康理解

证据

• 原始资料快照（本地归档）
• 原始资料快照（本地归档）
• 原始资料快照（本地归档）
• arXiv abstract
• arXiv PDF
• 情绪计算
• MindClaw
• 多模态心理健康理解

2026-08-25：Mental World Modeling 与 MENTIS

2026-07-29 发布的 Mental World Modeling给出更具体的框架：世界状态同时包含物理和心理变量，候选动作会共同更新二者；作者用训练免费、可检查的 MENTIS 基线拆分状态解析、目标观察生成、动作分解、物理—心理转移和分支价值评估。

论文对 8 个 LLM 型世界模型的实验来自人工构造、质量控制的文本、图像和有声视频决策情境。它支持“显式心理状态建模可能改善人类决策预测”这一研究命题，但不是自然交互、真实机器人协作或神经信号解码证据。MWM 是否能成为工程层，仍取决于真实互动数据、时间连续状态更新、跨人泛化、干预／反事实评测和隐私授权。

2026-08-25：论文、作者与机构端点

此前的 Mental World Modeling 段落现已拆出独立论文节点 Mental World Modeling，并补齐作者 Hao Fei、Yiran Zhao 及机构 牛津大学、新加坡国立大学。Yiran Zhao 是英文署名研究者，不与 韦怡然合并。

这一拆分让“心理世界模型”概念页只承载综合观察，论文页承载 MENTIS、448 个情境样本和 8 个模型实验，人物与机构页承载署名关系。