一段视频里，球撞墙后弹回来，看着很真；但换个角度、再跑一次，它还会不会遵守同样的规则？这正是“生成”和“模拟”的差别：前者只要画面合理，后者还要让相同状态与操作产生稳定、可重复的结果。
这篇综述以传统模拟器的八项能力为尺子，梳理了2018年至2026年6月的200项代表性工作。最值得注意的不是画质，而是“状态反馈”——模拟器向控制系统返回位置、速度、碰撞等可查询数据。作者逐篇检查163篇实现类论文，发现只有6篇提供了运行时接口，可查询实体状态或物理参数。
作者据此判断，世界模型已能在特定场景中支持交互和控制，却仍无法正式保证物理规律，也缺少丰富的结构化反馈和长期演化的可复现性。说白了，今天的视频模型更像会即兴表演世界的演员，还不是可以替代物理引擎的可靠实验场。