机器人 / 具身智能

LaWM: Least Action World Models for Long-Horizon Physical Consistency from Visual Observations

LaWM：基于视觉观测的最短作用世界模型用于长时间物理一致性

Qixin Xiao, Maani Ghaffari

机构 * University of Michigan（密歇根大学） 纠错

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

AI总结 LaWM通过在视觉潜在空间中实现最小作用原理，提升长horizon视觉预测的物理一致性，改进了物理不变性、背景一致性、运动平滑度和外观几何预测指标。

PhyGround: Benchmarking Physical Reasoning in Generative World Models

PhyGround：用于生成世界模型中物理推理的基准测试

Juyi Lin, Arash Akbari, Yumei He, Lin Zhao, Haichao Zhang, Arman Akbari, Xingchen Xu, Zoe Y. Lu, Enfu Nan, Hokin Deng, Edmund Yeh, Sarah Ostadabbas, Yun Fu, Jennifer Dy, Pu Zhao, Yanzhi Wang

机构 * Northeastern University（东北大学） ； Tulane University（路易斯安那州立大学） ； University of Washington（华盛顿大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 PhyGround通过250个精心设计的提示和13种物理定律的分类，评估视频生成中的物理推理能力，采用大规模人工研究验证并发布专用VLM评估工具PhyJudge-9B，显著降低偏见。

Comments Preprint. 56 pages, 39 figures, 40 tables. Project page: https://phyground.github.io/

Is Your Driving World Model an All-Around Player?

你的驾驶世界模型是全能选手吗？

Lingdong Kong, Ao Liang, Tianyi Yan, Hongsi Liu, Wesley Yang, Ziqi Huang, Xian Sun, Wei Yin, Jialong Zuo, Yixuan Hu, Dekai Zhu, Dongyue Lu, Youquan Liu, Guangfeng Jiang, Linfeng Li, Xiangtai Li, Long Zhuo, Lai Xing Ng, Benoit R. Cottereau, Changxin Gao, Liang Pan, Wei Tsang Ooi, Ziwei Liu

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WorldLens基准测试，评估驾驶世界模型在视觉和行为真实性方面的综合表现，揭示现有模型在不同维度上的不足，并引入WorldLens-26K和WorldLens-Agent提升评估的可解释性。

Comments CVPR 2026 VideoWorldModel Workshop; Project Page at https://worldbench.github.io/worldlens GitHub at https://github.com/worldbench/WorldLens

DeepSight: Long-Horizon World Modeling via Latent States Prediction for End-to-End Autonomous Driving

DeepSight: 通过潜在状态预测实现长视距世界建模的端到端自动驾驶

Lingjun Zhang, Changjie Wu, Linzhe Shi, Jiangyang Li, Jiaxin Liu, Lei Yang, Hang Zhang, Mu Xu, Hong Wang

机构 * Tsinghua University（清华大学） ； Amap, Alibaba Group（阿里巴巴集团Amap） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文提出通过鸟瞰图空间预测连续未来帧的潜在语义特征，实现长视距世界建模，并引入高效适应性文本推理机制提升复杂场景下的驾驶性能。

Comments ICML 2026

Simulus: Combining Improvements in Sample-Efficient World Model Agents

Simulus：结合高效样本世界模型代理的改进

Lior Cohen, Kaixin Wang, Bingyi Kang, Uri Gadot, Shie Mannor

机构 * Technion（技术ion大学） ； Microsoft Research（微软研究院） ； ByteDance Seed（字节跳动种子实验室） 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Simulus，一种模块化的基于标记的世界模型代理，通过整合灵活的标记化框架、内在动机、优先世界模型回放和回归-分类方法，提升了样本效率，适用于多个基准测试。

Comments Revised version: updated title, abstract, and framing to better reflect our contributions and situate the work within the literature

Sub-JEPA: Subspace Gaussian Regularization for Stable End-to-End World Models

Sub-JEPA：子空间高斯正则化用于稳定的端到端世界模型

Kai Zhao, Dongliang Nie, Yuchen Lin, Zhehan Luo, Yixiao Gu, Deng-Ping Fan, Dan Zeng

机构 * Shanghai University（上海大学） ； The University of Manchester（曼彻斯特大学） ； Nankai University（南开大学） 纠错

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

AI总结 Sub-JEPA通过在多个随机子空间中应用高斯约束，缓解了JEPA训练中的偏差-方差权衡问题，提升了训练稳定性与表示灵活性，实验显示其在连续控制环境中优于LeWM。

Comments https://github.com/intcomp/Sub-JEPA

MolWorld: Molecule World Models for Actionable Molecular Optimization

MolWorld: 用于可操作分子优化的分子世界模型

Yang Qiao, Bo Pan, Hao-Wei Pang, Peter Zhiping Zhang, Liying Zhang, Liang Zhao

机构 * Emory University（埃默里大学） ； Merck & Co., Inc.（默克公司） 纠错

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

AI总结 MolWorld通过分子转移图的序列扩展实现可操作分子优化，通过学习世界模型增强分子结构连接性，提升分子设计的可行性和连续性。

Probing the Impact of Scale on Data-Efficient, Generalist Transformer World Models for Atari

探测数据高效、通用型Transformer世界模型在Atari上的尺度影响

Jooyeon Kim

机构 * Graduate School of Artificial Intelligence（人工智能研究生院） 纠错

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

AI总结 本文通过最小化Transformer世界模型分析Atari 100k基准的缩放行为，发现环境存在不同的缩放区域，联合训练可稳定缩放动态并提升下游控制性能。

Network-Efficient World Model Token Streaming

网络高效的世界模型令牌流

Shatadal Mishra, Ahmadreza Moradipari, Nejib Ammar

机构 * InfoTech Labs, Toyota Motor North America R\&D, Mountain View, CA, USA 纠错

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

AI总结 本文研究了在分布式计算和连接车辆中高效传输离散世界模型状态的方法，提出了一种自适应算法，通过余弦距离优先更新令牌并触发关键帧，从而在带宽受限环境下提升同步效率和下游令牌动态的实用性。

Comments Accepted at IEEE VNC 2026

DriveFuture: Future-Aware Latent World Models for Autonomous Driving

DriveFuture: 用于自动驾驶的面向未来的潜在世界模型

Yufeng Hong, Xiaotian Zhou, Yingyan Li, Xiangpo Zhou, Lin Liu, Yadan Luo, Shaoqing Xu, Lei Yang, Ziying Song

机构 * Beijing Institute of Technology（北京理工大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Beihang University（北航） ； Beijing Jiaotong University（北京交通大学） ； The University of Queensland（昆士兰大学） ； University of Macau（澳门大学） ； Nanyang Technological University（南洋理工大学） ； School of Artificial Intelligence ( School of Software), Yanshan University（燕山大学人工智能学院（软件学院）） 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DriveFuture，一种面向未来的潜在世界建模框架，通过将未来世界状态条件化于当前潜在状态建模过程，提升自动驾驶轨迹规划性能。

Comments 24pages, 7 figures

MCP-Cosmos: World Model-Augmented Agents for Complex Task Execution in MCP Environments

MCP-Cosmos：用于MCP环境复杂任务执行的世界模型增强型智能体

Giridhar Ganapavarapu, Dhaval Patel

机构 * IBM 纠错

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

AI总结 MCP-Cosmos融合世界模型与MCP框架，通过引入生成世界模型提升智能体在复杂任务中的执行能力，实验显示其在工具成功率和参数准确性等方面有显著提升。

Curvature-Aware Captioning:Leveraging Geodesic Attention for 3D Scene Understanding

曲率感知的描述生成：利用测地注意力实现3D场景理解

Ziyao He, Yingjie Liu, ZhangYangRui, Mingsong Chen, Xuan Tang, Xian Wei

机构 * East China Normal University（东华大学） 纠错

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

AI总结 本文提出曲率感知描述生成框架，通过非欧几里得测地注意力机制解决定位与上下文化冲突，提升3D场景描述的精度与连贯性。

Comments CVPR2026 Highlight!

Do multimodal models imagine electric sheep?

多模态模型是否想象出电羊？

Santhosh Kumar Ramakrishnan, Carl Vondrick, Raja Giryes, Philipp Krähenbühl, Vladlen Koltun

机构 * Apple（苹果公司） 纠错

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

AI总结 研究发现多模态模型在解决空间谜题时会形成心理图像，通过微调Qwen3.5 VLM解决多种视觉推理任务，发现动作序列预测能提升解谜准确率，尤其在需要空间推理的任务中效果显著。

Multi-Tier Labeling and Physics-Informed Learning for Orbital Anomaly Detection at Scale

多层级标签与物理引导学习用于大规模轨道异常检测

Yong Fu

机构 * Substratum Labs, Inc（Substring实验室） 纠错

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

AI总结 本文提出多层级标签方法，结合物理规则、IMM-UKF和补充元素校准，实现大规模轨道异常检测，通过Transformer模型提升召回率，探讨神经ODE在轨道世界模型中的应用。

Workspace Optimization: How to Train Your Agent

工作区优化：如何训练你的智能体

Elad Sarafian, Gal Kaplun, Ron Banner, Daniel Soudry, Boris Ginsburg

机构 * NVIDIA 纠错

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

AI总结 本文提出通过优化智能体的工作区结构来提升其在多轮任务中的表现，通过模拟权重空间训练方法，利用人工制品、证据、反例和文本反馈来改进智能体的执行能力。

SpatiaLab: Can Vision-Language Models Perform Spatial Reasoning in the Wild?

SpatiaLab: 视觉-语言模型能否在真实环境中进行空间推理？

Azmine Toushik Wasi, Wahid Faisal, Abdur Rahman, Mahfuz Ahmed Anik, Munem Shahriar, Mohsin Mahmud Topu, Sadia Tasnim Meem, Rahatun Nesa Priti, Sabrina Afroz Mitu, Md. Iqramul Hoque, Shahriyar Zaman Ridoy, Mohammed Eunus Ali, Majd Hawasly, Mohammad Raza, Md Rizwan Parvez

机构 * Computational Intelligence and Operations Laboratory（计算智能与运筹实验室） ； Shahjalal University of Science and Technology（沙赫jalal科技大学） ； BRAC University（BRAC大学） ； North South University（北南大学） ； Monash University（墨尔本大学） ； Qatar Computing Research Institute（卡塔尔计算研究院） 纠错

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

AI总结 SpatiaLab通过真实场景下的空间推理任务评估视觉-语言模型的能力，揭示其在复杂空间关系、深度感知和3D几何方面的不足。

Comments Accepted to ICLR 2026 (https://openreview.net/forum?id=fWWUPOb0CT). 92 Pages. 42 Figures and 29 Tables

Journal ref ICLR 2026

Position: Life-Logging Video Streams Make the Privacy-Utility Trade-off Inevitable

位置：生命记录视频流使隐私与效用的权衡不可避免

Tianyuan Zou, Liang Yue, Yang Liu, Ya-Qin Zhang, Sijie Cheng

机构 * Institute for AI Industry Research, Tsinghua University, Beijing, China（清华大学人工智能产业研究院） ； RayNeo.AI, Shenzhen, China（深圳RayNeo.AI） ； Department of Computer Science and Technology, Tsinghua University, Beijing, China（清华大学计算机科学与技术系） 纠错

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

AI总结 生命记录视频流虽提升AI系统效用，但暴露敏感信息引发隐私风险，现有保护措施无法兼顾效用与隐私，需进一步研究权衡设计与标准化评估。

Comments 19 pages, 7 figures

FLAME: Adaptive Mixture-of-Experts for Continual Multimodal Multi-Task Learning

FLAME：适应性专家混合用于连续多模态多任务学习

Xing Han, Shravan Chaudhari, Tanvi Ranade, Rama Chellappa, Suchi Saria

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 FLAME提出了一种可扩展的专家混合框架，支持多任务预训练和连续学习，通过模态特定路由器处理不同模态的任务，同时利用低秩内存子空间压缩专家知识，提升参数效率和减少灾难性遗忘。

Comments 37 pages, 25 figures, 6 tables

Agentic AI Scientists Are Not Built For Autonomous Scientific Discovery

代理式AI科学家并非为自主科学发现而建

Harshit Bisht, Vinay Kumar, Kevin Maik Jablonka, Mausam, N. M. Anoop Krishnan

机构 * Yardi School of Artificial Intelligence, Indian Institute of Technology Delhi（印度理工学院德里人工智能学院） ； Department of Computer Science and Engineering, Indian Institute of Technology Delhi（印度理工学院德里计算机科学与工程系） ； Department of Civil and Environmental Engineering, Indian Institute of Technology Delhi（印度理工学院德里土木与环境工程系） ； Laboratory of Organic and Macromolecular Chemistry (IOMC), Friedrich Schiller University Jena（耶拿弗里德里希·席勒大学有机与大分子化学实验室） ； Center for Energy and Environmental Chemistry Jena, Friedrich Schiller University Jena（耶拿弗里德里希·席勒大学能源与环境化学中心） ； Helmholtz Institute for Polymers in Energy Applications Jena (HIPOLE Jena)（耶拿海德堡聚合物能源应用研究所（HIPOLE耶拿）） 纠错

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

AI总结 本文指出，尽管代理式AI科学家能作为合作者，但其设计并非为自主科学发现。挑战包括问题选择偏差、实验室知识缺失、输出多样性压缩及缺乏实验反馈，需重新审视基础设计。

A geometric relation of the error introduced by sampling a language model's output distribution to its internal state

语言模型输出分布采样引入的误差与内部状态的几何关系

Albert F. Modenbach

机构 * Department of Mathematics, King's College London, United Kingdom（伦敦国王学院数学系） 纠错

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

AI总结 研究揭示语言模型输出分布采样误差与内部状态几何结构的关系，通过几何方法分析token嵌入空间，发现其曲率在棋类任务中反映模型对问题的内部表示。

Comments 12 Pages, 10 Figures, 2 Appendices. To appear in Proceedings of ICML 2026