机器人 / 具身智能

VectorWorld: Efficient Streaming World Model via Diffusion Flow on Vector Graphs

VectorWorld: 通过向量图上的扩散流实现高效的流式世界模型

Chaokang Jiang, Desen Zhou, Jiuming Liu, Kevin Li Sun

机构 * University of Cambridge, Cambridge, United Kingdom（剑桥大学） 纠错

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

AI总结 VectorWorld通过向量图上的扩散流实现高效的流式世界模型，解决了自动驾驶政策闭环评估中的初始化不匹配、采样延迟和运动可行性问题，提升了地图结构精度和闭环运行稳定性。

Comments Under Review

From Digital Twins to World Models:Opportunities, Challenges, and Applications for Mobile Edge General Intelligence

从数字孪生到世界模型：移动边缘通用智能的机会、挑战与应用

Jie Zheng, Dusit Niyato, Changyuan Zhao, Jiawen Kang, Jiacheng Wang

机构 * State-Province Joint Engineering and Research Center of Advanced Networking and Intelligent Information Services, College of Computer, Northwest University（高级网络与智能信息服务省州联合工程研究中心，计算机学院，西北大学） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） ； Automation of School, Guangdong University of Technology（自动化学院，广东工业大学） 纠错

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

AI总结 本文探讨了从数字孪生到世界模型的转变，分析了其在移动边缘通用智能中的作用，涵盖概念差异、设计原则、关键组件及应用挑战。

Stereo World Model: Camera-Guided Stereo Video Generation

立体世界模型：基于摄像头的立体视频生成

Yang-Tian Sun, Zehuan Huang, Yifan Niu, Lin Ma, Yan-Pei Cao, Yuewen Ma, Xiaojuan Qi

机构 * The University of Hong Kong（香港大学） ； VAST ； ByteDance Pico（字节跳动Pico） 纠错

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

AI总结 本文提出StereoWorld，一种基于摄像头的立体世界模型，通过联合学习外观和双眼几何实现端到端的立体视频生成。该模型在RGB模态中操作，直接从视差中获取几何信息，通过统一的相机帧RoPE和立体感知注意力分解提升生成效率和一致性。

Comments Project Page: https://sunyangtian.github.io/StereoWorld-web/

MosaicMem: Hybrid Spatial Memory for Controllable Video World Models

MosaicMem: 用于可控视频世界模型的混合空间记忆

Wei Yu, Runjia Qian, Yumeng Li, Liquan Wang, Songheng Yin, Sri Siddarth Chakaravarthy P, Dennis Anthony, Yang Ye, Yidi Li, Weiwei Wan, Animesh Garg

机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； The University of Osaka（大阪大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Mujin Inc.（Mujin公司） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Taiyuan University of Technology（太原本科技大学） 纠错

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

AI总结 MosaicMem提出一种混合空间记忆方法，通过提升片段至3D实现可靠定位与检索，结合模型原生条件化保留提示生成，提升姿态一致性与动态建模能力，支持细粒度导航与场景编辑。

Comments Project Page: https://mosaicmem.github.io/mosaicmem/

WPT: World-to-Policy Transfer via Online World Model Distillation

WPT: 通过在线世界模型蒸馏实现世界到策略的迁移

Guangfeng Jiang, Yueru Luo, Jun Liu, Yi Huang, Yiyao Zhu, Zhan Qu, Dave Zhenyu Chen, Bingbing Liu, Xu Yan

机构 * University of Science and Technology of China（科学技术大学） ； CUHK-SZ（香港中文大学（深圳）） ； HKUST（香港理工大学） ； Huawei Foundation Model Department（华为基金会模型部） 纠错

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

AI总结 本文提出WPT方法，通过在线世界模型蒸馏实现策略迁移，提升规划性能并保持实时部署能力，实验表明其在开放环和闭合环基准上表现优异。

Comments CVPR2026 Accepted

OccTENS: 3D Occupancy World Model via Temporal Next-Scale Prediction

OccTENS: 通过时间下一尺度预测实现的3D占用世界模型

Bu Jin, Songen Gu, Xiaotao Hu, Yupeng Zheng, Xiaoyang Guo, Qian Zhang, Xiaoxiao Long, Wei Yin

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Horizon Robotics（地平线机器人） ； Nanjing University（南京大学） 纠错

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

AI总结 本文提出OccTENS，一种能高效生成高质量长期占用场景的生成模型，通过时间下一尺度预测任务解决效率、时间退化和可控性问题。

Grid Spatial Understanding: A Dataset for Textual Spatial Reasoning over Grids, Embodied Settings, and Coordinate Structures

网格空间理解：一个用于文本空间推理、具身场景和坐标结构的数据集

Risham Sidhu, Julia Hockenmaier

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 具身推理 ：embodied agent(abstract)；navigation(abstract)

AI总结 本文提出GSU数据集，用于评估LLM在导航、物体定位和结构组合任务中的空间推理能力，发现模型在具身代理参考框架和坐标列表识别上存在困难，且微调小模型可能达到前沿模型性能。

Comments preprint