心理世界模型
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
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