按职责区分两个对象
仿真器执行一个可交互环境：输入动作，输出下一状态、观测和奖励。World model 表示或预测动力学、奖励和观测，可用于规划或 imagination。常见情况下前者在实验环境侧，后者由 agent 学习，但“外部/内部”和“手工/学习”不是绝对定义边界。
学习模型可以充当仿真 rollout 的执行部件；精确规则模型也可以供 agent 搜索使用。因此应描述实际接口，而不是依据模块部署位置给它分类。
数据、规划与误差
环境交互产生经验，模型拟合压缩经验，内部 rollout 比较候选行动。多步模型误差会累积，策略还可能选择训练数据未覆盖的动作。低 one-step prediction loss 不保证 long-horizon planning 或真实任务成功。
| 系统层 | 需要检查 |
|---|---|
| 环境 | 动力学、接触、reset 和传感器语义 |
| Learned dynamics | 覆盖、预测不确定性、多步误差 |
| Planner | 候选行动、预算、约束和模型利用偏差 |
| Execution | 实时反馈、延迟、实际动作单位 |
与三维生成世界的关系
可探索视觉世界还需要区分可渲染外观、尺度、碰撞几何、对象状态及可控制动力学。生成视频可作为环境组成部分，却不自动提供机器人所需的物理接口。把模型导出到另一个文件格式不会补齐这些信息。
实验建议
固定控制器，在相同场景上分别改变视觉外观和物理几何；记录 collision、距离、任务成功和策略排名是否变化。再比较真实环境轨迹与模型预测，区分视觉一致性和控制可靠性。
关联阅读：Era of Experience、Lyra、SAGE-3D、跨论文路线。