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。
Gamma-World: 超越双玩家的生成式多智能体世界建模
机构 * NVIDIA ； Tsinghua University（清华大学） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所）
专题命中 具身推理 ：world model(title,abstract)；embodied agent(abstract)；分类 cs.CV
AI总结 提出一种生成式多智能体世界模型，通过Simplex Rotary Agent Encoding实现智能体置换等价性，并采用Sparse Hub Attention降低跨智能体注意力成本，支持多玩家交互视频生成。
Comments Project Page: https://research.nvidia.com/labs/sil/projects/gamma-world
LeJEPA 何时学习世界模型？
机构 * Cold Spring Harbor Laboratory（冷泉港实验室） ； New York University（纽约大学） ； Brown University（布朗大学）
专题命中 具身推理 ：world model(title,abstract)；robotic(abstract)；分类 cs.LG
AI总结 本文证明 LeJEPA（对齐加高斯正则化）在潜变量服从平稳加性噪声演化的世界中能够线性恢复潜变量（线性可识别性），并指出高斯分布是唯一保证该性质的潜分布，同时验证了近似可识别性和最优规划能力。
世界模型作为群作用
机构 * Sun Yat-sen University（中山大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； Baidu Inc.（百度公司） ； Cardiff University（卡迪夫大学） ； Guangdong Key Laboratory of Big Data Analysis and Processing（广东大数据分析与处理重点实验室）
专题命中 具身推理 ：world model(title,abstract)；navigation(abstract)；分类 cs.CV
AI总结 本文提出将动作条件世界建模形式化为状态空间上的群作用，通过潜在空间正则化强制执行恒等、逆和组合一致性，并引入群作用一致性（GAC）和群作用鲁棒性（GAR）指标来评估结构正确性和展开稳定性。
Comments Under review
统一3D场景理解：通过物理世界建模
机构 * Stanford University（斯坦福大学） ； OpenAI
专题命中 具身推理 ：world model(title,abstract)；manipulation(abstract)；分类 cs.CV
AI总结 提出一个概率图模型3WM，将深度估计、新视角合成和物体操作等3D视觉任务统一为单一模型，通过不同推理路径实现零样本任务执行，无需微调即达到最先进性能。
Comments Published as a conference paper at ICLR 2026
推理--想象--行动：基于世界模型的闭环LLM自动驾驶决策
机构 * 1Department of Information Management, Peking University, Beijing 100871, China ； 2School of Intelligence Science ； Technology, Peking University, Beijing 100871, China ； 3State Key Laboratory of General Artificial Intelligence, BIGAI, Beijing 100080, China ； 4Yuanpei College, Peking University, Beijing 100871, China ； 5China Agricultural University, Beijing, China ； 6CRSC Research \& Design Institute Group Co., Ltd., Beijing, China
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Reason--Imagine--Act (RIA)闭环框架，结合LLM推理器与动作条件世界模型进行在线安全验证，在CARLA点目标协议下实现80.05%路线完成率、51.10%到达率和0.20%碰撞率。
Comments Accepted by the 2026 IEEE International Conference on Intelligent Transportation Systems (ITSC 2026). 8 pages, 2 figures
PanoWorld: 一种生成式空间世界模型，用于一致的整屋全景合成
机构 * Ke Holdings Inc.（凯控股有限公司）
专题命中 具身推理 ：world model(title,abstract)；navigation(abstract)；分类 cs.CV
AI总结 本文提出PanoWorld，一种生成式空间世界模型，通过自回归生成基于节点的360度全景图，实现一致的整屋全景合成，解决了纯2D生成器在视角变化时几何和材质重新想象的问题，以及单一3D生成在多房间尺度下的高成本和纹理丢失问题。
Comments 17
PH-Dreamer: 通过端口-哈密顿生成动力学构建一个物理驱动的世界模型
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 本文提出了一种基于端口-哈密顿框架的物理驱动世界模型PH-Dreamer，通过三个协同机制改进了基于递归状态空间架构的世界模型，实现了更紧凑且物理结构化的表示，同时提高了内部模拟器的保真度，并减少了潜在相空间体积、能量消耗和平均加速度平方。
Comments 12 pages, 3 figures
EvolvingAgent: 基于持续世界模型的课程自进化代理用于长周期任务
机构 * Department of Computer Science and Technology, Beijing National Research Center for Information Science and Technology, Tsinghua University（计算机科学与技术系，北京信息科学与技术国家研究中心，清华大学） ； Department of Computer Science, University of Sydney（计算机科学系，悉尼大学） ； Department of Electronic Engineering, Tsinghua University（电子工程系，清华大学）
专题命中 具身推理 ：world model(title,abstract)；embodied agent(abstract)；分类 cs.RO
AI总结 本文提出EvolvingAgent，通过持续世界模型实现自主完成长周期任务，采用任务规划、动作控制和反思模块，提升Minecraft和Atari环境中的性能。
安全关键的上下文控制 via 在线黎曼优化与世界模型
机构 * Tongxin Li（李通心）
专题命中 具身推理 ：world model(title,abstract)；navigation(abstract)；分类 cs.AI
AI总结 本文研究安全关键的上下文控制问题，提出基于在线黎曼优化的样本惩罚预测控制框架，通过世界模型压缩可行性流形为密度，指导规划器梯度下降，建立基于曲率的安全界限。
Comments 20 pages, 12 figures
多世界：可扩展的多智能体多视角视频世界模型
机构 * The University of Hong Kong（香港大学） ； Sreal AI
专题命中 具身推理 ：world model(title,abstract)；manipulation(abstract)；分类 cs.CV
AI总结 多世界框架通过多智能体控制模块和全局状态编码器，实现多智能体多视角视频世界建模，提升视频保真度和多视角一致性。
Comments 15 pages, 10 figures
ICAT：基于事件-案例的自适应测试用于体素世界模型中的物理风险预测
机构 * Shenzhen University（深圳大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 ICAT通过结合真实事故报告和安全手册构建结构化风险记忆，约束生成具有因果链和严重程度标签的风险案例，提升体素世界模型在物理风险预测中的可靠性。
通过序列世界模型增强多机器人协作
机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； SKL-MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所复杂系统管理与控制国家重点实验室）
专题命中 具身推理 ：world model(title,abstract)；robotics(abstract)；分类 cs.RO
AI总结 本文提出SeqWM框架，通过引入序列范式提升多机器人MBRL的协作能力，实验表明其在性能和样本效率上优于现有方法，并展示了预测适应、时间对齐和角色分配等先进协作行为。
Learn2Fold: 基于世界模型规划的结构化折纸生成
专题命中 具身推理 ：world model(title,abstract)；manipulation(abstract)；分类 cs.AI
AI总结 本文提出Learn2Fold框架，通过结合符号推理与物理模拟，解决从文本生成物理有效的折纸折叠序列问题。
Comments 9 pages, 6 figures
RoboLayout: 用于具身智能体的可微3D场景生成
专题命中 具身推理 ：embodied agent(title,abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 RoboLayout通过引入智能体感知推理和改进优化稳定性，提升3D场景生成在具身智能体交互中的可行性与物理合理性。
学习具有联合嵌入预测的世界模型以实现规划
机构 * Department of Electrical Engineering, Columbia University, New York, USA.（电气工程系，哥伦比亚大学，纽约，美国）
专题命中 具身推理 ：world model(title,abstract)；navigation(abstract)；分类 cs.LG
AI总结 本文提出了一种联合嵌入预测世界模型，通过引入双模拟编码器增强对慢特征的鲁棒性，提升在减少潜在空间中的导航任务性能。
FRAPPE：通过多未来表示对齐将世界建模注入通用策略
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； South China University of Technology（华南理工大学） ； ShanghaiTech University（上海科技大学） ； Tsinghua University（清华大学）
专题命中 具身推理 ：world model(title,abstract)；robotic(abstract)；分类 cs.RO
AI总结 FRAPPE通过多未来表示对齐提升通用机器人策略的世界建模能力，提高微调效率并减少数据依赖，实验证明其在长时序和未见场景中的泛化性能优于现有方法。
Comments Project Website: https://h-zhao1997.github.io/frappe
VLAW: 视觉-语言-动作策略与世界模型的迭代共改进
机构 * Stanford University（斯坦福大学） ； Tsinghua University（清华大学）
专题命中 具身推理 ：world model(title,abstract)；manipulation(abstract)；分类 cs.RO
AI总结 本文提出通过迭代改进视觉-语言-动作策略与世界模型，提升真实机器人任务的性能和可靠性。
Comments Project Page: https://sites.google.com/view/vlaw-arxiv
位在世界模型规划中的作用：一种混合位研究以实现高效的空问推理
机构 * University of California San Diego（加州大学圣地亚哥分校）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 本研究通过混合位方法探讨位分配对世界模型规划的影响，发现不同比特分配策略在空间推理中的表现差异显著，提出模块意识和预算意识的量化策略作为未来研究方向。
Comments Workshop submission
视觉-触觉世界模型
机构 * Paul G. Allen School of Computer Science, University of Washington（华盛顿大学保罗·G·阿伦计算机科学学院） ； FAIR, Meta（FAIR，Meta）
专题命中 具身推理 ：world model(title,abstract)；manipulation(abstract)；分类 cs.RO
AI总结 本文提出视觉-触觉世界模型，通过融合视觉与触觉传感提升机器人在接触丰富任务中的物理建模能力，实验显示其在物体永恒性和运动定律遵守方面表现更优，并在真实机器人任务中实现更高的成功率。
Comments Preprint
从稀疏的过渡性片段记忆中构建空间世界模型
机构 * Department of Computer Science, McGill University（麦吉尔大学计算机科学系） ； Department of Physiology, McGill University（麦吉尔大学生理学系） ； Mila, Université de Montréal（蒙特利尔大学Mila）
专题命中 具身推理 ：world model(title,abstract)；navigation(abstract)；分类 cs.AI
AI总结 本文提出ESWM模型，通过稀疏片段记忆构建空间地图，实现环境探索和导航的高效适应能力。
Comments Accepted ICLR 2026
世界模型作为智能体与现实世界之间的中介
机构 * New York University（纽约大学）
专题命中 具身推理 ：world model(title,abstract)；robotics(abstract)；分类 cs.AI
AI总结 本文提出利用世界模型作为中介，以解决高成本领域中智能体性能提升的瓶颈问题，通过动态、奖励和任务分布模型克服样本效率低和非策略学习的挑战。
推进开源世界模型
机构 * Robbyant Team（Robbyant 团队）
专题命中 具身推理 ：world model(title,abstract)；robot learning(abstract)；分类 cs.CV
AI总结 LingBot-World是一个开源世界模拟器，具备高保真度、长期记忆和实时交互能力，旨在推动内容创作、游戏和机器人学习等领域的应用。
Comments Project page: https://technology.robbyant.com/lingbot-world; Code: https://github.com/robbyant/lingbot-world
数字孪生AI：从大语言模型到世界模型的机会与挑战
机构 * Lehigh University（莱文斯顿大学） ； University of Maryland（马里兰大学） ； University of New South Wales（新南威尔士大学） ； Worcester Polytechnic Institute（沃思维尔理工学院） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Notre Dame（圣约翰大学） ； Columbia University（哥伦比亚大学） ； University of Georgia（佐治亚大学） ； Yale University（耶鲁大学） ； Texas A&M University（德克萨斯A&M大学） ； Stanford University（斯坦福大学） ； Squirrel Ai Learning ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Texas Health Science Center at Houston（德克萨斯大学健康科学中心休斯顿分校） ； University of California, Riverside（加州大学河滨分校） ； Florida International University（佛罗里达国际大学） ； Purdue University（普渡大学） ； Children’s Hospital of Philadelphia（费城儿童医院）
专题命中 具身推理 ：world model(title,abstract)；robotics(abstract)；分类 cs.AI
AI总结 本文提出统一的四阶段框架，探讨数字孪生中AI整合的机会与挑战，涵盖建模、镜像、干预和自主管理，强调大语言模型和基础模型的作用。
MobileWorldBench: 向移动智能体的语义世界建模迈进
机构 * UCLA（加州大学洛杉矶分校） ； Panasonic AI Research（松下人工智能研究） ； Salesforce AI Research（Salesforce人工智能研究）
专题命中 具身推理 ：world model(title,abstract)；embodied agent(abstract)；分类 cs.AI
AI总结 MobileWorldBench通过语义世界模型提升移动智能体任务成功率
Comments 21 pages, 13 figures
KAN-Dreamer：基于Kolmogorov-Arnold网络作为函数近似器的世界模型基准测试
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.AI、cs.CV
AI总结 KAN-Dreamer将Kolmogorov-Arnold网络整合到DreamerV3中，通过替代MLP和卷积组件，实现了样本效率和训练速度与原始架构相当的性能。
Comments 23 pages, 8 figures, 3 tables
火星世界模型：可控视频合成与物理准确的3D重建
机构 * BJTU（北京工业大学） ； UT Austin（德克萨斯大学奥斯汀分校） ； HKUST（香港科技大学） ； Stanford University（斯坦福大学） ； XMU（厦门大学） ； SBU（雪城大学） ； USC（南加州大学） ； NVIDIA（英伟达）
专题命中 具身推理 ：world model(title)；navigation(abstract)；robotic(abstract)；分类 cs.CV
AI总结 本文提出M3arsSynth和MarsGen，通过物理准确的3D重建生成逼真的火星视频，提升任务模拟与机器人训练的可视化效果。
Comments Project Page: https://marsgenai.github.io
BiTAgent: 一种面向任务的模块化框架，用于多模态大语言模型与世界模型之间的双向耦合
机构 * Tsinghua University（清华大学） ； Shandong University（山东大学）
专题命中 具身推理 ：world model(title,abstract)；embodied agent(abstract)；分类 cs.AI
AI总结 BiTAgent通过双向耦合多模态大语言模型与世界模型，实现任务感知的动态联合学习，提升多任务和跨环境的泛化能力。
DynamicVerse: 一种具有物理意识的多模态框架用于4D世界建模
专题命中 具身推理 ：world model(title,abstract)；embodied agent(abstract)；分类 cs.CV
AI总结 DynamicVerse提出了一种多模态框架，通过整合大规模视觉、几何和多模态模型，实现动态现实世界视频的4D世界建模，提升了对物理尺度测量的全局准确性。
超越生成式AI：用于临床预测、反事实和规划的世界模型
机构 * Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（莫莫德·本·扎伊德人工智能大学）
专题命中 具身推理 ：world model(title,abstract)；robotic(abstract)；分类 cs.LG
AI总结 本文探讨了世界模型在医疗领域中的应用，旨在通过预测动态、反事实评估和规划提升临床决策的可靠性。
Comments 2 Figures, 1 Table
机构 * University of California San Diego（加州大学圣地亚哥分校） ； Mohamed bin Zayed University of Artificial Intelligence（马尔代夫穆罕默德·本·扎耶德人工智能大学） ； University of Amsterdam（阿姆斯特丹大学）
专题命中 具身推理 ：world model(title,abstract)；robotic(abstract)；分类 cs.LG
Comments NeurIPS 2025
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