机器人 / 具身智能

LMGenDrive: Bridging Multimodal Understanding and Generative World Modeling for End-to-End Driving

LMGenDrive: 联合多模态理解与生成世界建模以实现端到端驾驶

Hao Shao, Letian Wang, Yang Zhou, Yuxuan Hu, Zhuofan Zong, Steven L. Waslander, Wei Zhan, Hongsheng Li

机构 * CUHK MMLab（香港中文大学多媒体实验室） ； University of Toronto（多伦多大学） ； UC Berkeley（加州大学伯克利分校） 纠错

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

AI总结 本文提出LMGenDrive框架，结合LLM多模态理解与生成世界模型，提升自动驾驶的闭环性能，通过视频预测和控制信号生成，增强时空场景建模和指令遵循能力。

Learning Vision-Language-Action World Models for Autonomous Driving

学习视觉-语言-动作世界模型以实现自动驾驶

Guoqing Wang, Pin Tang, Xiangxuan Ren, Guodongfang Zhao, Bailan Feng, Chao Ma

机构 * MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（上海交通大学人工智能研究院教育部人工智能重点实验室） ； Central Research Institute, Huawei（华为中央研究院） 纠错

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

AI总结 本文提出VLA-World模型，通过结合预测想象与反思推理提升自动驾驶的前瞻性。该模型利用生成的轨迹引导图像生成，并通过反思优化轨迹预测，实验表明其在规划和未来场景生成任务中优于现有方法。

Comments Accepted by CVPR2026 findings

Decentralized Collective World Model for Emergent Communication and Coordination

去中心化的集体世界模型用于涌现通信与协调

Kentaro Nomura, Tatsuya Aoki, Tadahiro Taniguchi, Takato Horii

机构 * The University of Osaka（大阪大学） ； Kyoto University（京都大学） ； Ritsumeikan University（立命馆大学） ； The University of Tokyo（东京大学） 纠错

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

AI总结 本文提出一种去中心化的多智能体世界模型，通过时间扩展的集体预测编码实现通信与协调的同步发展，通过对比学习促进信息对齐，展示了在双智能体轨迹绘制任务中优于非通信模型的协调能力。

Comments Accepted at IEEE ICDL 2025

Mind the Gap Between Spatial Reasoning and Acting! Step-by-Step Evaluation of Agents With Spatial-Gym

注意空间推理与行动之间的差距！通过Spatial-Gym进行分步评估代理

Lars Benedikt Kaesberg, Tianyu Yang, Niklas Bauer, Terry Ruas, Jan Philip Wahle, Bela Gipp

专题命中 具身推理 ：robotics(abstract)；navigation(abstract)；分类 cs.AI

AI总结 本文提出Spatial-Gym环境，通过2D网格谜题的分步决策任务评估模型在空间推理中的能力，发现分步格式对弱模型有益但对强模型有负面影响，且视觉模型在空间环境中的表现较差。

REACT3D: Recovering Articulations for Interactive Physical 3D Scenes

REACT3D: 交互式物理3D场景中关节的恢复

Zhao Huang, Boyang Sun, Alexandros Delitzas, Jiaqi Chen, Marc Pollefeys

机构 * ETH Zurich（苏黎世联邦理工学院） ； Max Planck Institute for Informatics（马克斯·普朗克信息学研究所） ； Microsoft Spatial AI Lab（微软空间人工智能实验室） 纠错

专题命中 具身推理 ：robotics(comments,journal_ref)；分类 cs.RO、cs.CV

AI总结 REACT3D通过零样本框架实现静态3D场景到可交互模拟的转换，解决了标注过程繁琐的问题，提升了多任务应用的兼容性与效率。

Comments Accepted at IEEE Robotics and Automation Letters (RA-L)

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 5, pp. 5954-5961, May 2026