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。
FlowMPC：利用世界模型改进流匹配策略
机构 * Stanford University（斯坦福大学）
专题命中 具身推理 ：world model(title,abstract)；manipulation(abstract)；分类 cs.RO、cs.AI、cs.LG
AI总结 提出FlowMPC框架，结合流匹配模仿策略与学习的世界模型，通过MPPI规划提升测试时性能，在ManiSkill操作任务中显著提高成功率。
DreamX-World 1.0：通用交互式世界模型
机构 * DreamX Team（DreamX团队）
专题命中 具身推理 ：world model(title,abstract)；navigation(abstract)；分类 cs.CV
AI总结 提出通用交互式文图生视频世界模型DreamX-World 1.0，通过E-PRoPE相机控制、因果强制自回归生成、记忆条件场景持久化和事件指令微调，实现可控长时程生成，在多项指标上超越现有方法。
Comments Project page: https://amap-ml.github.io/DreamX_World, Code: https://github.com/AMAP-ML/DreamX-World
从像素到证明：通过并行保形鲁棒MPC实现概率安全的潜在世界模型控制
机构 * Georgia Institute of Technology（佐治亚理工学院）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 提出SLS^2框架，结合保形预测与鲁棒模型预测控制，在学习的潜在世界模型中实现基于视觉的安全运动规划，提升目标到达性能与安全性。
机器中的人类认知：世界模型的统一视角
机构 * Northeastern University（东北大学） ； EmbodyX Inc.（EmbodyX公司） ； Tulane University（路易斯安那州立大学） ； Cornell University（康奈尔大学） ； University of Georgia（佐治亚大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 提出统一框架整合记忆、感知等认知功能，指出动机和元认知研究不足，并引入认知世界模型新类别。
Phys-JEPA：面向多变量时间序列预测的物理信息潜在世界模型
机构 * Tianjin University（天津大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 提出Phys-JEPA架构，将物理一致性约束引入潜在状态和状态转移，分解预测状态为物理和残差分量，在气候、交通、电力数据集上提升预测精度。
Comments Submitted to arXiv as a preliminary manuscript. 10 figures
DLWM: 多样化潜在世界模型用于高效多模态推理
机构 * University of Toronto（多伦多大学） ； Tsinghua University（清华大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV、cs.LG
AI总结 提出DLWM框架，结合潜在空间推理与强化学习，通过多样化潜在假设和资源感知策略提升多模态推理效率，准确率提升2-5%，内存减少24%。
Comments Preprint. 9 pages main text, 15 pages total including appendix, 2 figures
可分离神经架构作为物理世界模型：从数学理论到应用
机构 * Kevin T. Crofton Department of Aerospace and Ocean Engineering, Virginia Polytechnic Institute and State University（弗吉尼亚理工大学凯文·T·克罗夫顿航空航天与海洋工程系）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 提出可分离神经架构（SNA），结合神经逼近与张量分解，通过变分框架求解偏微分方程，实现高维问题代数级缩放，并在工程案例中取得显著加速。
幻觉的统一定义：是世界模型的问题，笨蛋！
机构 * University of California, Berkeley（加州大学伯克利分校）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 本文提出幻觉的统一定义，即用户可观察到的错误内部世界建模，并连接至HalluWorld基准测试，以区分真实幻觉与规划或奖励错误。
Comments ICML 2026. HalluWorld benchmark at https://github.com/DegenAI-Labs/HalluWorld
医疗世界模型：表示医疗状态、建模临床动态与指导干预策略
机构 * College of Computer Science, Zhejiang University（浙江大学计算机科学与技术学院） ； School of Medicine, Zhejiang University（浙江大学医学院） ； Department of Biomedical Informatics, Harvard University（哈佛大学生物医学信息学系）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 本文提出医疗世界模型框架，通过构建患者状态、建模临床动态和支持干预决策，推动医疗AI从静态诊断向动态模拟演进。
BadWorld：对世界模型的对抗攻击
机构 * The Hong Kong Polytechnic University（香港理工大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 提出BadWorld框架，通过自监督速度攻击和轨迹自适应双层优化，对自回归视觉世界模型进行无标签对抗攻击，暴露其结构脆弱性。
Comments Project Page: https://linghuiishen.github.io/BadWorld/
BRICKS-WM：通过接口组合动力学构建结构化世界模型的可重用性
机构 * National Key Laboratory for Novel Software Technology, Nanjing University, China（南京大学计算机软件新技术国家重点实验室） ； School of Artificial Intelligence, Nanjing University, China（南京大学人工智能学院） ； School of Intelligence Science and Technology, Nanjing University, China（南京大学智能科学与技术学院）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG
AI总结 提出BRICKS-WM框架，将全局动力学分解为通过潜在接口交互的独立模块（如智能体和背景），实现冻结背景模块跨智能体重用，避免从头训练。
GraphWorld: 基于世界模型的长时域规划实现端到端自动驾驶
机构 * Beijing Key Laboratory of Traffic Data Mining and Embodied Intelligence, School of Computer Science and Technology, Beijing Jiaotong University（北京交通大学计算机科学与技术学院，交通数据挖掘与具身智能北京市重点实验室） ； School of Artificial Intelligence (School of Software), Yanshan University（燕山大学人工智能学院（软件学院）） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航空航天工程学院） ； University of Macau（澳门大学） ； The University of Queensland（昆士兰大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 提出GraphWorld框架，通过潜在世界建模增强长时域规划，利用自车中心交互图建模邻车关系，并基于世界状态条件规划实现安全轨迹生成，显著降低碰撞率。
Comments 16 pages, 5 figures
对象标记作为机器人手术中分割与视觉问答的桥梁
机构 * Department of Biomedical Engineering, Eindhoven University of Technology（埃因霍温理工大学生物医学工程系） ； Department of Electrical Engineering, Eindhoven University of Technology（埃因霍温理工大学电气工程系） ； Department of Surgery, University Medical Center Utrecht（乌得勒支大学医学中心外科）
专题命中 具身推理 ：robotic(title,abstract)；分类 cs.CV
AI总结 提出统一框架，联合像素级分割与视觉问答，通过VLM生成对象标记引导答案预测和分割掩码，在RAMIE和EndoVis18数据集上优于基线方法。
CausalDrive: 用于自动驾驶的实时因果世界模型
机构 * SKL-IOTSC, CIS, University of Macau（澳门大学协同创新研究院，科技学院） ； Xiaomi EV（小米汽车） ； CASIA（中国科学院自动化研究所）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 提出CausalDrive，一种可控、实时的驾驶世界渲染器，通过因果预测和Context-Forced DMD架构实现交互式模拟，支持闭环评估、强化学习后训练和人在环仿真。
世界模型应如何评估？一个以决策为中心的立场
机构 * National Key Laboratory for Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） ； Cirquar Technologies
专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG
AI总结 本文指出世界模型评估中声明与证据不匹配的问题，提出以决策为中心的评估框架，强调反事实推理、策略优化等能力，并定义L0-L7评估阶梯。
下一潜在预测变换器学习紧凑世界模型
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Microsoft Research（微软研究院）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG
AI总结 提出NextLat方法，通过潜在空间中的自监督预测训练变换器学习紧凑世界模型，提升泛化能力和推理效率。
Comments Microsoft Research Preprint
新时代的视觉生成：从原子映射到智能世界建模的演进
机构 * Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； University of Hong Kong（香港大学） ； National University of Singapore（新加坡国立大学） ； University of Waterloo（滑铁卢大学） ； StepFun ； MiroMind ； Baidu（百度） ； Fudan University（复旦大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； LMMs-Lab（LMMs实验室）
专题命中 具身推理 ：world model(title)；分类 cs.CV
AI总结 提出五级分类法（原子生成、条件生成、上下文生成、智能生成、世界建模生成），分析流匹配、统一理解与生成模型等关键技术，并指出现有评估高估感知质量而忽视结构、时序和因果缺陷。
Comments Project Page: https://github.com/EvolvingLMMs-Lab/Evolving-Visual-Generation
M*: 一个模块化、可扩展的多模态模型服务系统
机构 * Stanford University（斯坦福大学） ； University of Washington（华盛顿大学） ； Carnegie Mellon University（卡内基梅隆大学）
专题命中 具身推理 ：world model(abstract)；robotic(abstract)；分类 cs.AI、cs.LG
AI总结 提出M*系统，通过将模型表示为数据流图并引入Walk Graph抽象，支持多模态复合模型的高效服务，在多个任务上降低延迟并提升吞吐量。
Comments The codebase is available at https://github.com/mstar-project/mstar
LLM智能体能否推断世界模型？来自智能体自动机学习的证据
机构 * The Hebrew University of Jerusalem（海法大学） ； New York University（纽约大学） ； Google Research（谷歌研究）
专题命中 具身推理 ：world model(title)
AI总结 提出智能体自动机学习框架，通过成员查询和等价查询评估LLM智能体发现隐藏确定性有限自动机的能力，发现性能随DFA规模增加而急剧下降，推理模型优于非推理模型但仍存在规划、整合和假设构建缺陷。
Akasha 2: 哈密顿状态空间对偶与视觉-语言联合嵌入预测架构
机构 * Independent AI Researcher（独立AI研究员） ； Québec (QC), Canada（魁北克（QC），加拿大）
专题命中 具身推理 ：world model(abstract)；分类 cs.AI、cs.CV
AI总结 提出 Akasha 2 多模态架构，结合哈密顿状态空间对偶与视觉-语言联合嵌入预测，通过稀疏混合哈密顿专家和哈密顿流匹配实现超低延迟视频预测与合成，在保持能量守恒下取得 SOTA 性能。
Comments No supporting claims were validated in this automated agentic R&D research run
GeoStream：迈向精确相机控制的流式视频生成
机构 * CMU（卡内基梅隆大学） ； Northeastern University（东北大学） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； Rice University（莱斯大学） ； Snap Inc.（Snap公司） ； KAUST（阿卜杜拉国王科技大学）
专题命中 具身推理 ：world model(abstract)；分类 cs.CV
AI总结 提出GeoStream框架，通过自刷新3D缓存和在线策略蒸馏，实现自回归流式视频生成中的精确度量级相机控制，解决了现有方法在视角移动时控制失效和分布偏移问题。
推理即模式匹配：人类与LLM日常推理中的共享机制
机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
专题命中 具身推理 ：world model(abstract)；分类 cs.AI
AI总结 研究通过比较人类和25个LLM在日常因果推理中的错误模式，发现两者均表现出模式匹配而非抽象世界模型驱动的推理，并识别出LLM中驱动响应的注意力头可预测人类推理错误。
Comments 13 pages main text, 51 pages supplementary text
GroupToM-Bench: 多模态大语言模型中群体心智理论和非线性社会涌现的基准测试
机构 * Xidian University（西安电子科技大学） ； National University of Singapore（新加坡国立大学） ； University of Electronic Science and Technology of China（电子科技大学） ； University of Science and Technology of China（中国科学技术大学）
专题命中 具身推理 ：world model(abstract)；分类 cs.CV
AI总结 针对多模态大语言模型在群体心智理论推理上的不足，提出GroupToM-Bench基准，通过七级认知审计框架评估模型从微观BDI状态到宏观结果预测的因果链，揭示模型在处理社会结构和非线性集体动态上的缺陷。
Comments ACL 2026 (Main Conference)
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