清华联合伯克利提出连续世界模型，机器人不用再逐帧猜环境

当前主流世界模型多采用离散的下一步预测，将连续世界切分为静态帧，导致误差逐帧累积，长视距任务中易产生不合逻辑的幻觉。ODEWorld提出物理时间流（PT-Flow），学习世界如何从当前状态连续变化到未来状态，而非简单预测下一帧。

ODEWorld使用预训练DINOv2提取特征，通过动态表征解耦分离静态背景与动态信息，并利用JVP将图像变化映射到压缩空间，学习变化的方向和速度。预测时通过ODE求解器累积变化，可生成任意时间点的状态，甚至反向推演过去。

这种连续建模不仅补出中间帧，更改变了世界模型描述变化的方式：从学习“A之后是什么”到学习“A怎样连续走到B”。