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。
通过数据投毒进行隐蔽的世界模型操纵
机构 * Department of Computer Science（计算机科学系）
专题命中 具身推理 ：world model(title,abstract)；manipulation(title)；分类 cs.RO、cs.LG
AI总结 提出SWAAP框架，通过两阶段数据投毒（双层级优化寻找有害目标模型+梯度匹配隐蔽实现）操纵学习到的世界模型，导致规划性能显著下降，且能规避多种防御检测。
Comments 41 pages, 8 figures, 11 tables
使用基于接地潜在动作世界模型的异构演示模仿学习
机构 * University of Oxford（牛津大学）
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GLAM方法，通过共享潜在动作空间对齐异构数据源，学习接地潜在动作世界模型，在数据稀缺时提升模仿学习性能，平均任务成功率提高48%。
Comments 17 pages, 8 figures. Project page: https://viccccciv.github.io/glam/
UniviewVLA：统一的多视图视觉-语言-动作模型与世界建模
机构 * Tongji University（同济大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Xiaomi EV（小米汽车）
专题命中 具身推理 ：world model(title,abstract)；manipulation(abstract)；分类 cs.RO
AI总结 提出UniviewVLA，利用世界模型生成多视图未来帧，从标准双摄像头观测中预测动作，解决遮挡问题，无需额外硬件或显式重建，并通过运动信息令牌压缩和动作熵视图选择提升效率。
一图足矣：基于文本世界模型的智能体单样本图像生成用于长尾空间感知
机构 * Tsinghua University（清华大学） ； SenseTime Research（商汤科技研究院） ； Sun Yat-Sen University（中山大学） ； Technical University of Munich（慕尼黑工业大学） ； Heilbronn Data Science Center（海尔布隆数据科学中心） ； Munich Data Institute（慕尼黑数据研究所）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.CV、cs.LG
AI总结 提出WMGen-v1框架，利用单张参考图像通过LVLM构建结构化场景表示，LLM进行物理合理的场景扩展，再由扩散模型生成多样化的长尾训练数据，缓解空间感知中的数据稀缺问题。
基于因果世界建模的自进化认知框架用于具身科学智能
机构 * Graduate School of Advanced Science and Engineering, Hiroshima University（广岛大学先进科学与工程研究生院） ； Advanced Intelligence and Robotics Research Center, Brain Science Institute, Tamagawa University（玉川大学脑科学研究所先进智能与机器人研究中心）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.AI
AI总结 提出一种自进化认知框架，通过因果世界建模、干预驱动推理和持续认知精炼，使具身智能体在交互中不断构建和修正内部因果模型，实现从预测智能到认知智能的转变。
Comments 18 pages
超越下一步：用于长时程规划的变长潜世界模型
机构 * State Key Lab of General Artificial Intelligence, School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院通用人工智能国家重点实验室） ； Amazon AGI SF Lab（亚马逊AGI旧金山实验室） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 提出变长潜世界模型（VLWM），通过学习变长动作序列的条件潜状态预测，解决递归一步预测在长时程规划中的累积误差问题，结合课程训练策略，在长时程控制任务上平均提升13%。
逆推贝尔曼方程：从 $Q$ 值到世界模型
机构 * FLAIR, University of Oxford（FLAIR，牛津大学） ； Google DeepMind（谷歌DeepMind） ； Mila, University of Montreal（Mila，蒙特利尔大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 本文证明基于值的智能体在丰富奖励函数上训练时隐式编码世界模型，提出 $P$-learning 从 $Q$ 值提取模型，并给出编码真实转移核的充分条件，实验验证了隐式模型的准确性和泛化能力。
Comments 48 pages, 11 figures, 5 tables
基于时序逻辑的动作扩散策略与世界模型引导
机构 * German Academic Exchange Service (DAAD)（德国学术交流中心（DAAD））
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO；robot learning(comments)
AI总结 提出一种利用世界模型实现时序逻辑鲁棒性可微评估的引导方法，在不重新训练的情况下改善动作扩散策略的约束满足，在Robomimic任务中将违规率从80%降至4%。
Comments Accepted at the ICRA 2026 Workshop on Bridging the Gap between Robot Learning and Human-Robot Interaction. 3 pages, 2 figures, 1 table
压缩与检索：视频世界模型的隐式记忆检索
机构 * Huazhong University of Science and Technology（华中科技大学） ； HUJING Digital Media & Entertainment Group（虎鲸数字媒体与娱乐集团） ； Sun Yat-sen University（中山大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 提出注意力驱动的隐式记忆检索机制CaR，通过位置编码注入视角信息实现灵活检索，并引入轻量级上下文压缩网络，在构建的SceneFly数据集上取得SOTA结果并展现强泛化性。
Comments Project page: 3DV-Team/CaR" target="_blank" rel="noopener">https://github.com/Orange-3DV-Team/CaR
学习正常世界模型用于少样本边界校准的异常检测
机构 * Tianjin University（天津大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG
AI总结 提出超图熵正常世界模型，通过正常事件学习正常世界并用少量异常样本校准边界，在NASA C-MAPSS数据集上实现强零样本和少样本异常检测性能。
Comments 23 pages,8 figures, 10 tables
VegSim：一种用于情景条件植被模拟的地理空间世界模型
机构 * Università Campus Bio-Medico di Roma（罗马生物医学大学） ； Umeå University（于默奥大学） ； University of Genoa（热那亚大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG
AI总结 提出VegSim，一种地理空间世界模型，通过可控制的未来气象输入，实现情景条件植被模拟，在分布内和分布外数据上均优于基线模型。
社会世界模型：面向终身社会智能
机构 * Central South University（中南大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 提出社会世界模型，将社交互动分解为五个维度构建闭环学习框架，并配套数据合成机制与终身学习基准，使小模型可持续获取社会协调能力。
Comments 13 pages, 2 figures
BadDreamer: 针对自动驾驶视频世界模型的可迁移后门攻击
机构 * Shanghai Jiao Tong University（上海交通大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 提出BadDreamer，一种针对自动驾驶视频世界模型的可迁移时空后门攻击，通过污染未来帧中的触发-擦除序列，使模型在物理触发出现时幻觉化障碍物消失，进而误导下游动作预测。
Comments 19 pages, 8 figures, 3 tables. Preprint
SparseWorld: 通过具有稀疏场景表示的世界模型增强端到端自动驾驶
机构 * Institute of Cyber-Systems and Control, Zhejiang University（浙江大学控制系统研究所） ； Labs, Huawei（华为2012实验室） ； State Key Laboratory of Industrial Control Technology（国家工业控制技术重点实验室）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 提出SparseWorld，一种基于稀疏场景表示的轻量级世界模型，通过自回归预测未来地图元素和周围智能体，并利用预测结果优化下游运动预测和轨迹规划，在nuScenes数据集上实现0.05%的碰撞率，达到开放循环规划指标的最优性能。
VDAWorld: 通过VLM导向的抽象与模拟进行世界建模
机构 * University of Cambridge（剑桥大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 提出VDAWorld框架，利用视觉语言模型自主构建场景表示并选择物理模拟器，通过抽象与自适应模拟实现高质量世界建模，在交互控制、反事实生成和物理逻辑推理任务上取得最优结果。
Comments Website: https://felixomahony.github.io/vdaworld/
均衡世界模型
专题命中 具身推理 ：world model(title,abstract)
AI总结 提出均衡世界模型（EWMs），一种深度学习方法，通过扩大训练分布并引入代理函数，全局求解包含罕见灾难、约束和反事实状态的动态随机模型，克服标准神经网络求解器的自我确认偏差。
反对单一无线世界模型：为什么NextG需要可组合和代理智能
专题命中 具身推理 ：world model(title,abstract)
AI总结 本文指出无线领域缺乏等同于LLM的数据基础，主张采用可组合和代理智能架构以实现可部署的AI原生网络。
Journal ref ICML 2026 Workshop on AI and ML for NextG
从像素到概念：利用基础模型构建丰富的3D语义场景图森林
机构 * FZI Research Center for Information Technology（FZI信息技术研究中心） ； Machine Intelligence and Robotics Lab (MaiRo), Karlsruhe Institute for Technology (KIT)（卡尔斯鲁厄理工学院机器智能与机器人实验室）
专题命中 具身推理 ：robotics(abstract)；world model(abstract)；robotic(abstract)；分类 cs.RO
AI总结 提出利用基础模型构建具有开放语义关系的3D场景图森林，通过VLM和LLM推理抽象概念节点与关系，提升机器人场景理解与任务执行能力。
Comments To be published in the Proceedings of the IEEE/RSJ International Conference on Intelligent Robots & Systems (IEEE IROS 2026)
攻击可信想象：对“先想象后行动”世界模型的预言机级完整性攻击
机构 * Adelaide University（阿德莱德大学）
专题命中 具身推理 ：world model(title)；分类 cs.AI、cs.LG
AI总结 针对“先想象后行动”的视觉-语言-动作策略，发现世界模型中的想象轨迹是暴露的攻击面，通过有界观测扰动破坏想象，并设计无参数去噪检测器，实验显示非定向破坏效果显著，但定向控制受限。
Comments 13 pages, 5 figures, 10 tables
Vesta: 一种通用具身推理模型
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of California, San Diego（加州大学圣地亚哥分校） ； The Hong Kong Polytechnic University（香港理工大学） ； University of Michigan（密歇根大学） ； Nanyang Technological University（南洋理工大学） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Tübingen（图宾根大学）
专题命中 具身推理 ：navigation(abstract)；robotic(abstract)；分类 cs.RO、cs.AI
AI总结 提出统一的基础模型Vesta，整合定位、空间推理、导航和长时规划能力，通过大规模空间感知语料库和简单多模态记忆机制，在多个基准上平均优于专用模型20%以上，在真实机器人任务中成功率提升35%。
ICRA 2026 GOOSE 2D细粒度语义分割挑战赛技术报告：探索基于查询的分割和增加空间上下文用于户外场景理解
机构 * Rey Juan Carlos University（胡安卡洛斯国王大学）
专题命中 具身推理 ：robotics(abstract,comments)；分类 cs.RO、cs.CV
AI总结 本报告提出基于SegFormer和Mask2Former的细粒度语义分割方法，通过增大训练裁剪尺寸和测试时增强，在GOOSE挑战赛上达到69.6% mIoU，验证了查询式分割和空间上下文的重要性。
Comments Ranked 5th in the GOOSE 2D Fine-Grained Semantic Segmentation Challenge at the IEEE ICRA 2026 Workshop on Field Robotics
词汇作为差异制造者：大型语言模型如何确定文本中的因果结构
专题命中 具身推理 ：world model(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出大型语言模型通过变分归纳逻辑学习因果结构，并分析其训练过程与架构特征如何实现差异制造者识别。
Comments 36 pages, 6 figures
基于语言隐式目标预测的模型规划
机构 * École de Technologie Supérieure, Montréal（蒙特利尔高等技术学院） ； International Laboratory on Learning Systems (ILLS)（国际学习系统实验室） ； Polytechnique Montréal（蒙特利尔综合理工学院） ； MILA ； Institut Universitaire de France (IUF)（法国大学研究院） ； Université Sorbonne, CNRS, ISIR（索邦大学，法国国家科学研究中心，智能系统与机器人研究所）
专题命中 具身推理 ：world model(abstract)；分类 cs.AI、cs.LG
AI总结 提出LAGO框架，通过在同一隐空间预测语言指令的中间子目标序列和动作条件轨迹，结合软最小轨迹代价规划，实现长程鲁棒规划。
Comments 9 pages. Preprint under review
MeGAS: 用于热物理场景编辑的热力学动态高斯泼溅
机构 * State Key Laboratory of CAD\&CG, Zhejiang University（浙江大学计算机辅助设计与图形学国家重点实验室） ； University of British Columbia（不列颠哥伦比亚大学）
专题命中 具身推理 ：world model(abstract)；分类 cs.CV
AI总结 提出MeGAS框架，将热力学相变动力学融入3D高斯泼溅，通过温度属性、热对流-扩散求解器和MPM动力学实现热物理现象的物理真实合成，并采用拓扑自适应渲染策略处理极端变形。
Comments Accepted by ECCV 2026. Project page: http://zju3dv.github.io/MeGAS
任意4D的前馈运动插值
机构 * Waseda University（早稻田大学） ； AIST（产业技术综合研究所） ； Durham University（杜伦大学）
专题命中 具身推理 ：world model(abstract)；分类 cs.CV
AI总结 提出一种基于关键帧条件的前馈插值框架，利用网格VAE和MMDiT骨干的整流流模型，实现任意4D网格的快速运动插值，在DyMesh16和DyMesh32上表现优异。
Comments Video: https://youtu.be/jZAjPUtSq38?si=aXtDMDviFdfkjKUU
Physical-AI: 从信道感知到6G无线网络中的环境智能
机构 * Augmented Cognition Meta-communications ERC Research Center, Korea University, Korea（增强认知元通信ERC研究中心，韩国大学，韩国） ； Department of Computer Science, Munster Technological University (MTU)（计算机科学系，穆斯特技术大学（MTU）） ； School of Computing, Faculty of Engineering and Computing, Dublin City University, Ireland（计算学院，工程与计算学院，都柏林城市大学，爱尔兰） ； Department of Electrical and Computer Engineering of the Democritus University, Greece（德米特里大学电气与计算机工程系，希腊） ； Department of Electrical and Computer Engineering, The University of Hong Kong, Hong Kong（电气与计算机工程系，香港大学，香港） ； Department of Electronic Engineering, Kyung Hee University, Yongin-si, Gyeonggi-do 17104, South Korea（电子工程系， Kyung Hee大学， Yongin-si, Gyeonggi-do 17104, 韩国）
专题命中 具身推理 ：world model(abstract)；分类 cs.AI
AI总结 提出Physical-AI架构，利用自监督时空无线电基础模型将分布式观测转化为共享环境表征，通过多推理头估计阻塞、用户分布等环境属性，并基于神经决策层实现主动控制，降低中断概率和阻塞响应延迟。
BIFE：更好的交互，更少的错误，用于分钟级视频生成
机构 * DAMO Academy, Alibaba Group（阿里巴巴集团 DAMO 院） ； Zhejiang University（浙江大学） ； Hupan Lab（虎扑实验室）
专题命中 具身推理 ：world model(abstract)；分类 cs.CV
AI总结 提出BIFE框架，通过语义稀疏KV缓存和块强制训练策略，解决长视频生成中的长程交互保持和误差累积问题，实现稳定连贯的分钟级视频生成，在VDE指标上提升约20%。
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