机器人 / 具身智能

ICAT: Incident-Case-Grounded Adaptive Testing for Physical-Risk Prediction in Embodied World Models

ICAT：基于事件-案例的自适应测试用于体素世界模型中的物理风险预测

Zhenglin Lai, Sirui Huang, Yuteng Li, Changxin Huang, Jianqiang Li, Bingzhe Wu

机构 * Shenzhen University（深圳大学） 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 ICAT通过结合真实事故报告和安全手册构建结构化风险记忆，约束生成具有因果链和严重程度标签的风险案例，提升体素世界模型在物理风险预测中的可靠性。

Toward Consistent World Models with Multi-Token Prediction and Latent Semantic Enhancement

迈向一致的世界模型：多令牌预测与潜在语义增强

Qimin Zhong, Hao Liao, Haiming Qin, Mingyang Zhou, Rui Mao, Wei Chen, Naipeng Chao

机构 * Shenzhen University（深圳大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

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

AI总结 本文通过多令牌预测和潜在语义增强方法，解决大语言模型内部世界模型一致性问题，提升表示对齐性和鲁棒性。

Comments Accepted by ACL 2026 Main Conference. 21 pages, 3 figures, 7 tables

Infrastructure-Centric World Models: Bridging Temporal Depth and Spatial Breadth for Roadside Perception

以基础设施为中心的世界模型：弥合时间深度与空间广度以实现道路感知

Siyuan Meng, Chengbo Ai

机构 * Department of Civil and Environmental Engineering, University of Massachusetts Amherst（土木与环境工程系，马萨诸塞大学阿默斯特分校） 纠错

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

AI总结 本文提出以基础设施为中心的世界模型，通过时空互补性提升道路感知能力，提出三阶段框架和双层架构，结合多模态数据引擎和开放源代码基础，推动基础设施理解交通。

Comments 18 pages, 7 tables, 1 figure, vision paper

The Global Neural World Model: Spatially Grounded Discrete Topologies for Action-Conditioned Planning

全局神经世界模型：用于动作条件规划的空间接地离散拓扑

Noureddine Kermiche

机构 * Western Digital Corporation（西部数据公司） 纠错

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

AI总结 本文提出全局神经世界模型，通过平衡的连续熵约束实现拓扑量化，采用连续动作条件联合嵌入预测架构，将环境映射到离散2D网格，防止流形漂移，通过最大熵探索学习通用过渡动态。

Comments 12 pages, 8 figures

SafeDream: Safety World Model for Proactive Early Jailbreak Detection

SafeDream: 用于主动早期对抗检测的安全世界模型

Bo Yan, Weikai Lin, Yada Zhu, Song Wang

机构 * University of Central Florida（中央佛罗里达大学） ； University of Rochester（罗切斯特大学） ； IBM Research（IBM研究院） 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SafeDream，一种轻量级世界模型框架，通过安全状态模型、CUSUM检测和对比想象组件，实现早期对抗检测，提升检测及时性并降低误报率。

Stable Language Guidance for Vision-Language-Action Models

用于视觉-语言-动作模型的稳定语言引导

Zhihao Zhan, Yuhao Chen, Jiaying Zhou, Qinhan Lyu, Hao Liu, Keze Wang, Liang Lin, Guangrun Wang

机构 * Sun Yat-sen University（中山大学） ； Guangdong Key Lab of Big Data Analysis & Processing（广东大数据分析与处理重点实验室） ； X-Era AI Lab（X-Era AI实验室） 纠错

专题命中 具身推理 ：manipulation(abstract)；robotic(abstract)；分类 cs.RO

AI总结 本文提出RSS框架，通过解耦物理 affordance 与语义执行，提升视觉-语言-动作模型在语言扰动下的鲁棒性，实验表明其在多种操作基准测试中达到最优性能。

Comments Accepted to ACL2026 main conference

ADAPT: Benchmarking Commonsense Planning under Unspecified Affordance Constraints

ADAPT：在未指定 affordance 约束下评估常识规划的基准测试

Pei-An Chen, Yong-Ching Liang, Jia-Fong Yeh, Hung-Ting Su, Yi-Ting Chen, Min Sun, Winston Hsu

机构 * National Taiwan University（国立台湾大学） ； National Yang Ming Chiao Tung University（国立阳明交通大学） ； National Tsing Hua University（国立清华大学） 纠错

专题命中 具身推理 ：embodied agent(abstract)；分类 cs.RO、cs.AI、cs.CV

AI总结 本文提出 ADAPT 模块，通过显式 affordance 推理提升智能具身代理的鲁棒性和任务成功率，展示了领域适应的视觉语言模型在 affordance 推理中的优越性。

How Robustly do LLMs Understand Execution Semantics?

大语言模型如何理解执行语义的鲁棒性？

Claudio Spiess, Prem Devanbu, Earl T. Barr

机构 * University College London（伦敦大学学院） 纠错

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

AI总结 研究通过代码输出预测任务评估大语言模型对代码理解的鲁棒性，发现开源模型在代码变换和输入扰动下表现稳定，而前沿模型GPT-5.2表现出显著的脆弱性，且异常处理能力不足。

Unmasking the Illusion of Embodied Reasoning in Vision-Language-Action Models

揭示视觉-语言-动作模型中具身推理的幻觉

Haiweng Xu, Sipeng Zheng, Hao Luo, Wanpeng Zhang, Ziheng Xi, Zongqing Lu

机构 * Peking University（北京大学） ； Tsinghua University（清华大学） ； BeingBeyond 纠错

专题命中 具身推理 ：robotic(abstract)；分类 cs.RO

AI总结 本文通过BeTTER基准测试揭示现有VLA模型在动态场景中表现不佳，指出其根本问题在于架构瓶颈导致的语义表示退化，强调需解决高频率控制与高层推理间的矛盾。

LMMs Meet Object-Centric Vision: Understanding, Segmentation, Editing and Generation

LMMs 与以物体为中心的视觉：理解、分割、编辑和生成

Yuqian Yuan, Wenqiao Zhang, Juekai Lin, Yu Zhong, Mingjian Gao, Binhe Yu, Yunqi Cao, Wentong Li, Yueting Zhuang, Beng Chin Ooi

机构 * Zhejiang University（浙江大学） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） 纠错

专题命中 具身推理 ：manipulation(abstract)；分类 cs.CV

AI总结 本文探讨了LMMs与以物体为中心的视觉结合，总结了在理解、分割、编辑和生成方面的新进展，提出了开放挑战和未来方向。

Comments 38 pages, 6 figures

Exploring Mutual Cross-Modal Attention for Context-Aware Human Affordance Generation

探索互惠的跨模态注意力以实现情境感知的人体可供性生成

Prasun Roy, Saumik Bhattacharya, Subhankar Ghosh, Umapada Pal, Michael Blumenstein

机构 * University of Technology Sydney（技术大学悉尼大学） ； Indian Institute of Technology, Kharagpur（印度理工学院哈里科特） ； Indian Statistical Institute, Kolkata（印度统计研究所科契） 纠错

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

AI总结 本文提出一种互惠的跨模态注意力机制，通过不同模态的空间特征图互相关注，以提升2D场景中人体可供性预测的准确性与效率。

Comments Accepted in The IEEE Transactions on Artificial Intelligence (TAI) 2026