في السنوات الأخيرة، ظهرت نماذج العالم مجددًا كمفهوم مركزي في مجالات الذكاء الاصطناعي، الروبوتات، القيادة الذاتية، والتعلم المعزز القائم على النماذج. على الرغم من التقدم الملحوظ، لا يزال البحث في نماذج العالم يواجه تحديات كبيرة. فهناك ثلاثة مسارات رئيسية متباينة: نماذج فيديو ثنائية الأبعاد التي تركز على التوليد البصري للمستقبل، ونماذج ثلاثية الأبعاد التي تركز على إعادة بناء المشاهد، ونماذج مشابهة لـ JEPA التي تركز على التمثيلات التنبؤية المجردة.

وعلى الرغم من التقدم الذي حققته كل من هذه الاتجاهات، فإنها لا تزال تجد صعوبة في تقديم توقعات موثوقة من الناحية الفيزيائية، وقابلة للتحكم، ومستقرة على المدى الطويل لتحقيق اتخاذ القرارات بجسم مادي. في هذا الإطار، نطرح فكرة نماذج العالم الهاملتونية كمنظور قائم على أسس فيزيائية لنمذجة العالم. الفكرة الأساسية هنا هي تمثيل الملاحظات في فضاء كامن ذي هيكل، وتطوير الحالة الكامنة من خلال ديناميكيات مستلهمة من قوانين هاملتون، تشمل التحكم، والتشتت، والمكونات المتبقية، ثم فك تشفير المسار المتوقع إلى ملاحظات مستقبلية واستخدام هذه النماذج للتخطيط.

نتناول في بحثنا كيف يمكن أن تُحسن الهيكلية الهاملتونية من قدرات تفسير النماذج، وكفاءة استخدام البيانات، واستقرار التوقعات على المدى الطويل، مع الإشارة إلى التحديات العملية في المشاهد الروبوتية الواقعية والتي تشمل الاحتكاك، والاتصال، والقوى غير المحافظة، والأجسام القابلة للتشويه.