视觉与机器人
机器人、具身智能、机器人学习、操作、导航和具身世界模型。
MiraBench: 评估机器人世界模型中的动作条件可靠性
机构 * Institute for Artificial Intelligence, Peking University（人工智能研究院，北京大学）
专题命中 具身推理 ：world model(title,abstract)；robotic(title,abstract)；robot learning(abstract)；分类 cs.AI
AI总结 提出MiraBench基准，通过物理一致性、动作跟随保真度和乐观偏差检测三个层次评估机器人世界模型的动作条件可靠性，发现视觉保真度不能反映动作保真度、模型规模扩大不保证动作跟随改善、乐观偏差普遍存在。
纳米世界模型：未来视频预测的极简实现
机构 * DeepMind
专题命中 具身推理 ：world model(title,summary_cn)；分类 cs.AI、cs.CV、cs.LG
AI总结 提出Nano World Models，一个基于扩散强迫的极简代码库，用于未来视频预测，支持可控研究世界模型的设计选择，并通过实验分析预测参数化、架构规模等因素对视频预测质量的影响。
Comments Project page: https://simchowitzlabpublic.github.io/nano-world-model/
VRAG：面向交互式视频生成的世界模型学习
机构 * Peking University（北京大学） ； University of Oxford（牛津大学） ； Princeton University（普林斯顿大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.CV
AI总结 针对自回归视频生成中累积误差和记忆机制不足的问题，提出视频检索增强生成（VRAG）方法，通过显式全局状态条件降低长期累积误差并提升时空一致性。
Comments Published at NeurIPS 2025. Project page: https://sites.google.com/view/vrag
Causal-JEPA：通过对象级潜在掩码学习世界模型
机构 * Brown University, GalilAI（布朗大学，GalilAI） ； New York University（纽约大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 提出C-JEPA，一种通过对象级潜在掩码扩展联合嵌入预测的对象中心世界模型，在视觉问答和智能体控制任务中分别提升反事实推理20%和仅用1%潜在特征实现高效规划。
Comments Project Page: https://hazel-heejeong-nam.github.io/cjepa/ ICML 2026 Accepted
minWM: 用于实时交互式视频世界模型的全栈开源框架
机构 * ShengShu（盛书） ； THU（清华大学） ； RUC（中国人民大学） ； HKUST（香港科技大学） ； UT-Austin（德克萨斯大学奥斯汀分校）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 提出minWM全栈开源框架，通过因果强制/因果强制++流水线将双向视频扩散模型转化为可控制、低延迟的自回归世界模型，支持相机控制与多种骨干架构。
CompilerDream: 学习编译器世界模型以实现通用代码优化
机构 * School of Software, BNRist Tsinghua University Beijing China（软件学院、北师大清华大学北京中国） ； Tsinghua University（清华大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG
AI总结 提出基于模型的强化学习方法CompilerDream，通过编译器世界模型模拟优化pass属性并训练智能体，实现跨应用场景和语言的通用代码优化，在零样本泛化上超越LLVM内置优化。
Comments KDD 2025 camera-ready version with extended appendix. Code is available at https://github.com/thuml/CompilerDream. This update additionally fixes an issue in Table 6 where the dataset names in three rows were ordered incorrectly
思想即规划：通过强化规划进行思维链优化的潜在世界模型
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Columbia University（哥伦比亚大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 提出Thoughts-as-Planning框架，将思维链优化形式化为潜在语义空间中的序贯决策过程，通过潜在世界模型模拟推理链编辑对下游输出的影响，并利用梯度下降或强化学习进行规划，在语言理解和生成任务上优于现有基线。
SCOPE: 在可玩环境中模拟跨游戏操作以构建FPS世界模型
机构 * UCAS-Terminus AI Lab, University of Chinese Academy of Sciences（中国科学院大学Terminus AI实验室） ； Tencent（腾讯） ； National University of Singapore（新加坡国立大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Waterloo（多伦多大学） ； Shanghai Jiaotong University（上海交通大学） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学计算机科学学院多媒体信息处理国家重点实验室）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 提出SCOPE方法，通过在每个Transformer块中插入条件模块，将特征重塑为逐像素时间序列，以分离FPS游戏中局部作用域（scope）内的操作效果与全局生成，并引入跨游戏数据集CrossFPS，实现零样本迁移。
Comments Project page: https://z2tong.github.io/SCOPE/. Code is available at https://github.com/z2tong/SCOPE
语言中的世界模型：审计视觉语言模型中的物理状态转换承诺
机构 * University of Oxford（牛津大学）
专题命中 具身推理 ：world model(title)
AI总结 提出WMW框架，通过要求VLM输出结构化轨迹（初始状态、状态转换、结果状态和答案）并利用混合验证器检查模式有效性、状态基础、转换一致性和答案-轨迹兼容性，揭示仅评估最终答案所隐藏的物理推理失败。
Comments 8 pages, 3 figures, 5 tables
基于交互式VR实验的心理旋转深度学习模型
机构 * Department of Computer Science, Aalto University, Espoo, Finland（奥卢大学计算机科学系，芬兰埃斯波） ； Department of Neuroscience and Biomedical Engineering, Aalto University, Espoo, Finland（奥卢大学神经科学与生物医学工程系，芬兰埃斯波）
专题命中 具身推理 ：world model(abstract)；分类 cs.LG
AI总结 提出一个由等变编码器、神经符号对象编码器和神经决策代理组成的深度学习模型，通过VR实验验证，准确模拟人类心理旋转的性能、响应时间和行为。
Comments Version accepted at ICML 2026
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈