stable-worldmodel：可再现世界建模研究和评估平台

世界模型对于构建能够在训练数据之外进行推理、规划和概括的智能体至关重要。然而，目前对世界模型的研究是分散的，不同的代码库、数据管道和评估协议阻碍了可重复性和公平比较。目前的实践进一步受到三个关键瓶颈的限制：脆弱的一次性代码库、缓慢的视频数据加载以及缺乏标准化的泛化基准。我们提出了稳定世界模型（swm），这是一个用于标准化和可重复世界建模研究和评估的开源平台。它提供 (1) 一个基于 Lance 的高性能数据层，具有适用于 MP4、HDF5 和 LeRobot 数据集的本机支持和转换工具，(2) 现代世界模型基线和规划求解器的干净、经过良好测试的实现，以及 (3) 一系列广泛的环境和任务，通过可控的视觉、几何和物理变化因素进行扩展，用于对动态理解、控制性能、表示质量和分布外泛化进行系统的计算机评估。通过将整个流程统一在一个可扩展的框架下，\texttt{swm} 极大地减少了研究开销，并加速了向可靠的世界模型迈进的值得信赖的进展。