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。
基于世界模型的自监督分层视觉推理
机构 * Department of Electronic Engineering and Information Science, University of Science and Technology of China（电子工程与信息科学系，中国科学技术大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（人工智能研究院，合肥综合性国家科学中心）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 提出ResDreamer，一种分层世界模型，通过自监督方式学习残差表示，实现高效视觉推理，在3D开放环境中达到最先进的样本和参数效率。
OpenWorldLib: 高级世界模型的统一代码库与定义
机构 * Peking University（北京大学） ； Zhongguancun Academy（中关村学院） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） ； Sun Yat-sen University（中山大学） ； Beijing Key Laboratory of Data Intelligence and Security（北京数据智能与安全重点实验室） ； Nanyang Technological University（南洋理工大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 本文提出OpenWorldLib框架，基于对世界模型演化的分析给出清晰定义，并系统分类其核心能力，实现多任务模型的统一集成与高效推理。
Comments 28 pages, 6 figures
因子化潜在动作世界模型
机构 * University of Texas at 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.LG
AI总结 提出因子化潜在动作模型（FLAM），通过将场景分解为独立因子并学习各自的潜在动作，提升了无动作视频中多实体动态建模的准确性和视频生成质量。
将游戏代码世界模型生成蒸馏到轻量级大型语言模型
机构 * Brown University（布朗大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 研究通过后训练将游戏代码世界模型生成能力蒸馏到小型模型，采用监督微调和带可验证奖励的强化学习提升生成代码的语法正确性和规则遵循性。
从下一个词预测到（STRIPS）世界模型
机构 * RWTH Aachen University, Germany（亚琛工业大学，德国） ； Universitat Pompeu Fabra, Spain（庞培法华大学，西班牙）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 研究下一个词预测能否产生支持规划的世界模型，提出STRIPS Transformer和标准Transformer两种架构，在五个经典规划领域评估训练准确率、泛化能力和规划性能。
PathWise：通过世界模型规划实现基于自进化LLM的自动启发式设计
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.AI
AI总结 提出PathWise多智能体推理框架，将启发式生成建模为基于蕴含图的序列决策过程，通过策略智能体、世界模型智能体和评论智能体的协作实现状态感知规划，在组合优化问题上收敛更快、泛化更强。
Comments Accepted to ICML 2026
世界机器：面向时间序列的生成式世界建模
机构 * Universidade Estadual de Campinas (UNICAMP)（坎皮纳斯州立大学） ； Universidade Estadual Paulista (UNESP)（保罗斯州立大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG
AI总结 提出基于Transformer的潜在状态架构World Machine，用于时间序列生成式世界建模，在合成数据集Toy1D上验证了其超越传统Transformer的能力。
HorizonDrive: 用于长时域驾驶仿真的自纠正自回归世界模型
机构 * Wuhan University（武汉大学） ； The University of Tokyo（东京大学） ； Horizon Robotics ； Tsinghua University（清华大学） ； University of Science and Technology of China（中国科学技术大学） ； The Chinese University of Hong Kong（香港中文大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 针对自回归驾驶仿真中教师模型因自身预测漂移导致监督退化的问题，提出HorizonDrive框架，通过计划性滚转恢复（SRR）训练抗漂移教师模型，并利用教师滚转分布匹配蒸馏（TRD）实现长时域监督下的高效学生模型部署。
Comments Comments: 22 pages, 14 figures. Project page: https://zcliangyue.github.io/HorizonDrive Code: https://github.com/zcliangyue/HorizonDrive
移动世界模型如何指导GUI代理？
机构 * Nanyang Technological University（南洋理工大学） ； MiLM Plus, Xiaomi Inc.（小米公司） ； Independent Researchers（独立研究人员） ； Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） ； Wuhan University（武汉大学） ； Xiamen University（厦门大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 本文通过训练四种模态（增量文本、完整文本、扩散图像、可渲染代码）的世界模型，并评估其在下游任务中的效用，发现可渲染代码重建在分布内保真度高，文本反馈对在线分布外执行更鲁棒，世界模型生成的轨迹可提供迁移经验但无法替代原始分布，且对低熵过度自信的代理，后验自省收益有限。
有限自动机提取：从游戏录像中学习低数据世界模型作为程序
机构 * Department of Computing Science, Alberta Machine Intelligence Institute (Amii), University of Alberta（计算科学系，阿尔伯塔机器智能研究所（Amii），阿尔伯塔大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 本文提出了一种名为有限自动机提取（FAE）的方法，通过一种新的领域特定语言（DSL）Retro Coder，从游戏录像中学习神经符号世界模型，相较于以往的方法，FAE能够更精确地建模环境并生成更通用的代码。
从整体到模块：分解转换器以实现高效的world建模
机构 * Department of Informatics, University of Sussex（Sussex大学信息学院） ； Beyond Institute for Theoretical Science (BITS)（理论科学研究所） ； ETH Zürich（苏黎世联邦理工学院） ； Principles of Intelligent Behaviour in Biological and Social Systems (PIBBSS)（生物和社会系统智能行为原理研究所） ； Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； Araya Inc.（Araya公司） ； Sussex AI and Sussex Centre for Consciousness Science, University of Sussex（Sussex大学人工智能与意识科学中心） ； Centre for Complexity Science and Center for Psychedelic Research, Department of Brain Sciences, Imperial College London（复杂科学中心和迷幻研究中心，伦敦帝国理工学院脑科学系） ； Center for Eudaimonia and Human Flourishing, University of Oxford（幸福与人类繁荣中心，牛津大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 本文提出了一种分解复杂world建模的方法，通过转换器框架将世界模型分解为多个模块，从而提高计算效率并支持分布式推理，为AI安全和现实应用提供基础。
《白兔在奇幻世界：在线自监督动态发现用于可执行世界模型》
机构 * Korea University（韩国大学） ； Kyung Hee University（庆熙大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 该研究探讨了在先验错配情况下，如何通过交互证据自监督学习可执行世界模型，引入了Alice系统，通过失败的候选更新作为结构信号，发现并改进动态，从而提升可执行世界模型的学习效果。
GaussianDWM: 基于3D高斯场景表示的统一场景理解和多模态生成驱动世界模型
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； MEGVII Technology（商汤科技） ； Mach Drive
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 本文提出基于3D高斯表示的统一驱动世界模型框架，实现3D场景理解和多模态生成，并通过语言引导采样策略和双条件生成模型提升生成效果，实验验证其在nuScenes和NuInteract数据集上的优越性能。
Comments Accepted by CVPR 2026
面向物理人工智能系统的语义通信世界模型增强因果数字孪生
机构 * Bradley Department of Electrical and Computer Engineering, Virginia Tech（弗吉尼亚理工大学电子与计算机工程系 Bradley 部门） ； Research and Innovation Labs, InterDigital Communications Inc.（InterDigital Communications Inc. 研究与创新实验室）
专题命中 具身推理 ：world model(title)；navigation(abstract)；分类 cs.LG
AI总结 本文提出基于世界模型的因果数字孪生框架，解决物理人工智能系统中语义通信的长期回报最大化问题，通过因果信息价值指标和策略训练提升导航成功率。
VideoVerse: 你的T2V生成器有世界模型能力来合成视频吗？
机构 * Sun Yat-sen University（中山大学） ； Hong Kong Polytechnic University（香港理工大学） ； Tsinghua University（清华大学） ； OPPO Research Institute（OPPO研究院）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 VideoVerse通过评估T2V模型对复杂时间因果关系和世界知识的理解能力，揭示现有模型与理想世界建模能力的差距。
Comments 26 Pages, 10 Figures, 14 Tables
向生理信号的世界建模迈进：基于混沌理论的平衡与潜在动态
机构 * University of California San Diego（加州大学圣地亚哥分校） ； Dartmouth College（达特茅斯学院） ； Amazon Web Services（亚马逊网络服务） ； Sanderling Renal Services（Sanderling 肾脏服务） ； Renal Research Institute（肾脏研究研究所） ； Icahn School of Medicine at Mount Sinai（辛克尔医学院（Mount Sinai））
专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG
AI总结 本文提出NormWear-2模型，通过将多变量生理信号与临床干预变量编码到共享潜在空间，结合先验知识推理与非参数潜在状态转移适应，实现多时间尺度的预测。混沌理论平衡动态制度多样性提升了表示鲁棒性，且在不同临床场景下表现优异。
Comments NormWear Collection: https://huggingface.co/collections/mosaic-laboratory/normwear
ReactiveGWM：引导NPC在反应式游戏世界模型中
机构 * Tencent（腾讯） ； National University of Singapore（新加坡国立大学） ； The Hong Kong Polytechnic University（香港理工大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； University of Chinese Academy of Sciences（中国科学院大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 ReactiveGWM通过解耦玩家控制与NPC行为，实现动态交互合成，使NPC策略能跨游戏迁移，无需重新训练即可实现可控的NPC互动。
Comments The code is available at https://inv-wzq.github.io/ReactiveGWM/
SANA-WM：高效分钟级世界建模的混合线性扩散变换器
机构 * NVIDIA（英伟达）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 SANA-WM通过混合线性注意力、双分支相机控制等设计，实现高效分钟级视频生成，提升效率与视觉质量。
Comments https://nvlabs.github.io/Sana/WM/
EponaV2：通过全面的未来推理驱动世界模型
机构 * PCA Lab, VCIP, College of Computer Science, Nankai University（PCA实验室、VCIP、计算机科学学院、南开大学） ； Horizon Robotics ； HKUST（香港科技大学） ； NJUPT（南京工程大学） ； NTU（国立台湾大学） ； Anyverse ； School of Intelligence Science and Technology, Nanjing University（智能科学与技术学院、南京大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 本文提出EponaV2，一种新的驾驶世界模型范式，通过全面的未来推理实现高质量规划。模型通过预测更全面的未来表示，结合3D和语义模态，提升环境理解与现实推理能力，从而改进轨迹规划。
HERO：高效世界模型的分层外推与刷新
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 HERO通过分层策略提升世界模型推理效率，采用补丁刷新和线性外推技术，在保持质量的同时实现1.73倍加速。
Comments 12 pages in total
从观测中学习POMDP世界模型：利用语言模型先验
机构 * Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； IRIIS ； University of California, Santa Barbara（加州大学圣芭芭拉分校） ； University of Tübingen（图宾根大学） ； University of Oxford（牛津大学） ； ELLIS Institute Tübingen（图宾根ELLIS研究所）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG
AI总结 本文提出Pinductor，利用语言模型先验从少量观测-动作轨迹学习POMDP模型，实现高效世界模型学习。
JEDI: 联合嵌入扩散世界模型用于在线基于模型的强化学习
机构 * National University of Singapore（新加坡国立大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG
AI总结 JEDI通过联合嵌入扩散方法，构建了首个端到端的潜在扩散世界模型，提升了在线基于模型的强化学习效率与性能，减少了显存占用并加快了训练速度。
再思一次，行动一次：验证引导的动作选择用于具身智能体
机构 * Technical University of Darmstadt（达姆斯塔特技术大学）
专题命中 具身推理 ：embodied agent(title,abstract)；分类 cs.AI
AI总结 本文提出验证引导的动作选择框架，通过显式验证步骤提升基于MLLM的具身智能体的鲁棒性，实验证明在复杂任务中性能提升达36%。
Comments CVPR 2026 (Findings)
网络高效的世界模型令牌流
机构 * InfoTech Labs, Toyota Motor North America R\&D, Mountain View, CA, USA
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO
AI总结 本文研究了在分布式计算和连接车辆中高效传输离散世界模型状态的方法，提出了一种自适应算法，通过余弦距离优先更新令牌并触发关键帧，从而在带宽受限环境下提升同步效率和下游令牌动态的实用性。
Comments Accepted at IEEE VNC 2026
DriveFuture: 用于自动驾驶的面向未来的潜在世界模型
机构 * Beijing Institute of Technology（北京理工大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Beihang University（北航） ； Beijing Jiaotong University（北京交通大学） ； The University of Queensland（昆士兰大学） ； University of Macau（澳门大学） ； Nanyang Technological University（南洋理工大学） ； School of Artificial Intelligence ( School of Software), Yanshan University（燕山大学人工智能学院（软件学院））
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 本文提出DriveFuture，一种面向未来的潜在世界建模框架，通过将未来世界状态条件化于当前潜在状态建模过程，提升自动驾驶轨迹规划性能。
Comments 24pages, 7 figures
MCP-Cosmos：用于MCP环境复杂任务执行的世界模型增强型智能体
机构 * IBM
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 MCP-Cosmos融合世界模型与MCP框架，通过引入生成世界模型提升智能体在复杂任务中的执行能力，实验显示其在工具成功率和参数准确性等方面有显著提升。
代码世界模型准备性报告
机构 * MSL Preparedness Team（MSL准备团队） ； AI Security Team（AI安全团队）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 报告评估了Meta的代码世界模型在潜在灾难性风险领域的准备情况，发现其风险与现有AI生态无异，因此作为开源模型发布。
Comments 25 pages, 3 figures
HAIC：通过动态感知世界模型实现人形敏捷物体交互控制
机构 * Tsinghua University（清华大学） ； HKUST(Guangzhou)（香港科技大学（广州）） ； ETH Zurich（苏黎世联邦理工学院） ； Xiaomi Robotics Lab（小米机器人实验室）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO
AI总结 本文提出HAIC框架，通过动态预测和空间优先级构建动态占用地图，实现人形机器人在复杂动态环境下与不同物体的稳健交互，提升敏捷任务和多物体长周期任务的完成能力。
Comments RSS 2026. Webpage: https://haic-humanoid.github.io/
ST-Gen4D：将4D时空认知嵌入世界模型以实现4D生成
机构 * School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； School of Computing, Macquarie University（麦考瑞大学计算机学院）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 本文提出ST-Gen4D框架，通过4D时空认知世界模型实现4D生成，结合时空表示、认知、推理和生成四大设计，提升4D生成的结构合理性和拓扑一致性。
GEM: 通过可变形Mamba生成LiDAR世界模型
机构 * NJU（南京大学） ； SJTU（上海交通大学） ； FDU（福建师范大学） ； NTU（南京理工大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 GEM通过可变形Mamba架构提升LiDAR世界模型的逼真度与想象力，解决点云无序和动态静态区分难题，实现空间时间感知与自主探索能力。
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