机器人 / 具身智能

World Models That Know When They Don't Know - Controllable Video Generation with Calibrated Uncertainty

能识别不确定性的世界模型 - 可控视频生成中的校准不确定性

Zhiting Mei, Tenny Yin, Micah Baker, Ola Shorinwa, Anirudha Majumdar

机构 * Princeton University（普林斯顿大学） 纠错

专题命中 具身推理 ：world model(title,abstract)；robotics(abstract)；robot learning(abstract)；robot policy(abstract)

AI总结 提出C3方法，通过校准不确定性量化提升可控视频生成的可靠性与可信度。

Cosmos-H-Surgical: Learning Surgical Robot Policies from Videos via World Modeling

Cosmos-H-Surgical: 通过世界建模学习手术机器人策略

Yufan He, Pengfei Guo, Mengya Xu, Zhaoshuo Li, Andriy Myronenko, Dillan Imans, Bingjie Liu, Dongren Yang, Mingxue Gu, Yongnan Ji, Yueming Jin, Ren Zhao, Baiyong Shen, Daguang Xu

机构 * NVIDIA ； The Chinese University of Hong Kong（香港中文大学） ； Sung Kyun Kwan University（全州大学） ； Wenzhou Medical University（温州医学院） ； National University of Singapore（新加坡国立大学） ； Ruijin Hospital（瑞金医院） 纠错

专题命中 具身推理 ：world model(title,abstract)；robotics(abstract)；manipulation(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出通过世界建模学习手术机器人策略，利用合成数据和逆动力学模型提升自主手术能力。

World Model for Battery Degradation Prediction Under Non-Stationary Aging

非平稳老化条件下电池退化预测的世界模型

Kai Chin Lim, Khay Wai See

机构 * Independent Researcher（独立研究者） 纠错

专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG

AI总结 本文提出一种世界模型用于非平稳老化条件下电池退化预测，通过编码原始信号并学习动态转换生成未来轨迹，结合电化学知识约束提升预测精度。

Comments 18 pages, 3 figures

X-WIN: Building Chest Radiograph World Model via Predictive Sensing

X-WIN：通过预测感知构建胸片世界模型

Zefan Yang, Ge Wang, James Hendler, Mannudeep K. Kalra, Pingkun Yan

专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV

AI总结 X-WIN通过预测感知构建胸片世界模型，利用体积数据提炼3D解剖知识，提升CXR的表示学习和诊断能力。

Comments Accepted by CVPR 2026

Expert Evaluation of LLM World Models: A High-$T_c$ Superconductivity Case Study

专家评估LLM世界模型：一个高温超导体案例研究

Haoyu Guo, Maria Tikhanovskaya, Paul Raccuglia, Alexey Vlaskin, Chris Co, Daniel J. Liebling, Scott Ellsworth, Matthew Abraham, Elizabeth Dorfman, N. P. Armitage, Chunhan Feng, Antoine Georges, Olivier Gingras, Dominik Kiese, Steven A. Kivelson, Vadim Oganesyan, B. J. Ramshaw, Subir Sachdev, T. Senthil, J. M. Tranquada, Michael P. Brenner, Subhashini Venugopalan, Eun-Ah Kim

专题命中 具身推理 ：world model(title,comments)；分类 cs.AI

AI总结 本文通过专家评估LLM在高温超导领域的问题回答能力，发现基于RAG的系统在全面性和证据支持方面优于封闭模型。

Comments (v1) 9 pages, 4 figures, with 7-page supporting information. Accepted at the ICML 2025 workshop on Assessing World Models and the Explorations in AI Today workshop at ICML'25

Journal ref Proceedings of the National Academy of Sciences 123, e2533676123 (2026)