大模型推理能力

LLMPhy: Parameter-Identifiable Physical Reasoning Combining Large Language Models and Physics Engines

LLMPhy: 结合大语言模型和物理引擎的参数可识别物理推理

Anoop Cherian, Radu Corcodel, Siddarth Jain, Diego Romeres

机构 * Mitsubishi Electric Research Labs (MERL)（三菱电机研究实验室） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI、cs.LG

AI总结 LLMPhy通过整合大语言模型与物理引擎，解决复杂物理推理中参数识别问题，提出数字孪生构建方法，引入新数据集验证性能，实现更准确的参数恢复与稳定收敛。

Comments Accepted at AISTATS 2026

ActorMind: Emulating Human Actor Reasoning for Speech Role-Playing

ActorMind：模拟人类演员推理的语音角色扮演

Xi Chen, Wei Xue, Yike Guo

机构 * The Hong Kong University of Science and Technology（香港理工大学） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI

AI总结 本文提出ActorMind框架，通过多代理推理模拟人类演员在舞台上的表演，提升语音角色扮演能力。

DVGT-2: Vision-Geometry-Action Model for Autonomous Driving at Scale

DVGT-2：面向大规模自动驾驶的视觉-几何-动作模型

Sicheng Zuo, Zixun Xie, Wenzhao Zheng, Shaoqing Xu, Fang Li, Hanbing Li, Long Chen, Zhi-Xin Yang, Jiwen Lu

机构 * Tsinghua University（清华大学） ； Xiaomi EV（小米电动车） ； University of Macau（澳门大学） ； Peking University（北京大学） 纠错

专题命中 视觉空间推理 ：planning(abstract)；分类 cs.AI

AI总结 本文提出VGA范式，通过密集3D几何信息提升自动驾驶决策，引入DVGT-2实现在线处理，结合时间因果注意力和滑动窗口策略，提升效率与重建性能。

Comments Code is available at https://github.com/wzzheng/DVGT

Clutter-Robust Vision-Language-Action Models through Object-Centric and Geometry Grounding

通过对象中心和几何约束实现抗杂波的视觉-语言-动作模型

Khoa Vo, Taisei Hanyu, Yuki Ikebe, Trong Thang Pham, Nhat Chung, Minh Nhat Vu, Duy Nguyen Ho Minh, Anh Nguyen, Anthony Gunderman, Chase Rainwater, Ngan Le

机构 * University of Arkansas（阿拉巴马大学） ； National University of Singapore（新加坡国立大学） ； TU Wien（维也纳技术大学） ； Max Planck Research School for Intelligent Systems（智能系统马克斯·普朗克研究学校） ； University of Stuttgart（斯图加特大学） ； University of Liverpool（利物浦大学） 纠错

专题命中 视觉空间推理 ：reasoning(abstract)

AI总结 本文提出OBEYED-VLA框架，通过分离感知接地与动作推理提升视觉-语言-动作模型在现实环境中的鲁棒性，特别是在存在干扰物、目标缺失和背景变化等挑战性场景中表现优异。

Comments Under review. Project website: https://uark-aicv.github.io/OBEYED_VLA