Overcoming Statistical Bias in Action-Controllable World Models
克服动作可控世界模型中的统计偏差
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.CV
AI总结 该研究针对动作可控世界模型的统计偏差问题，提出CoCo反事实一致性框架，结合ARC、DE评估指标及Mini-SSMB数据集，在多项任务上提升了动作可控性与视频预测性能。
视觉与机器人
机器人 / 具身智能
机器人、具身智能、机器人学习、操作、导航和具身世界模型。
1. 具身推理 5 篇
WorldMark: A Unified Benchmark Suite for Interactive Video World Models
WorldMark：交互式视频世界模型的统一基准套件
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 WorldMark 是交互式视频世界模型的统一基准套件，通过适配器解决动作格式不兼容问题，从多维度评估模型，揭示现有协议未察觉的差异，将发布相关数据与代码。
HelloWorld: Enabling Socially Interactive Characters in Video World Models
HelloWorld：在视频世界模型中实现具有社交互动性的角色
机构 * The University of Tokyo（东京大学） ； Alaya Lab（阿莱亚实验室）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 该研究提出HelloWorld视频世界模型，通过自蒸馏流水线和训练模块实现角色与用户的社交互动，构建含400样本的基准，其互动质量优于基线且保持顶尖图像美学。
Comments Project page: https://github.com/AlayaLab/HelloWorld
Helping Music Co-Creation Agents 'Listen' Well: Hierarchical Self-Supervised World Models for Understanding and Generation
助力音乐协同创作智能体“良好聆听”：用于理解与生成的分层自监督世界模型
机构 * Belmont University（贝尔蒙特大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG
AI总结 本研究提出分层自监督世界模型，通过Swin V2编码器与条件流匹配模型构建协同音乐创作智能体，提升了和弦与调式检测准确率，可快速生成音乐建议并支持交互演示。
Comments 20 pages, 14 figures. A 6-page version was submitted to the NeurIPS 2026 Creative AI Track. Supplemental website with listening examples: https://drscotthawley.github.io/midi-rae-jepa-son/. Live demo: https://drscotthawley-midi-rae-jepa-son.hf.space/
muSync-GS: Physics-Synchronized Driving Video Synthesis for Weather and Geometric Road Hazards
muSync-GS：面向天气与几何道路危险场景的物理同步驾驶视频合成方法
机构 * Rochester Institute of Technology（罗切斯特理工学院） ； City University of Hong Kong（香港城市大学）
专题命中 具身推理 ：world model(abstract)；分类 cs.CV
AI总结 muSync-GS是一种物理同步驾驶视频合成框架，通过耦合天气、道路几何编辑与车辆动力学，在12个CarSim案例上实现了车辆状态的精准预测与场景同步。
Comments 42 pages, 14 figures; includes an appendix
