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。
用于具身动作条件世界模型的因果去偏潜行动模型
机构 * Aether AI ； 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.CV
AI总结 研究针对动作条件世界模型学习需大量标记数据的问题，提出基于潜行动模型的因果去偏框架CD-LAM，通过三个微调目标改进模型，提升了潜行动可控性等多方面性能，减少了机器人动作适应更新次数。
一阶角：任务从世界模型中需要多少价值等价性？
机构 * Mila – Quebec AI Institute（米拉-魁北克人工智能研究所） ； Université de Montréal（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 研究任务从世界模型中所需的价值等价性，通过在DreamerV3堆栈上测量发现，潜在因素代表的闭包由训练目标维度决定，价值等价具维度性，单奖励目标是其一阶角，模型安装的任务结构与预测目标相关。
Comments 22 pages, 14 figures
预测潜在世界模型的闭环性能：用于MPC和基于模型的强化学习的离线检查点选择，在非马尔可夫奖励的LunarLander中
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 提出一套基于最优控制理论的结构化验证时诊断指标，用于从离线检查点中预测潜在世界模型的闭环性能，其中复合奖励可观测性分数（CROF）在LunarLander任务上有效选择检查点，显著提升MPC和基于模型的强化学习性能。
Comments Preprint, 19 pages (16 main text + 3 pages appendix), 7 figures, 4 tables. Video: https://youtu.be/4PxHFW_TYUw , Code: https://github.com/nsmoly/LunarLander_RSSM
守恒律何时在学习表示中幸存？潜在世界模型的认证视界
机构 * Department of Mathematics, Stony Brook University（石溪大学数学系）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.LG
AI总结 研究物理世界模型中守恒律在潜表示学习后的可认证性，提出一种通过解码物理不变量并分解模型缺陷来预计算认证视界的方法，实验表明硬规范辛结构在已知相坐标中表现最佳，但软约束在潜表示设置中更鲁棒。
Comments 16 pages, including appendices. v2: second soft-survival system (Duffing double well, pre-registered) with a linear-oscillator anchor; 5-seed and step-size hardening of the state-Kepler result; 8-seed SympNet confirmation of the lift null. Code: https://github.com/TimothyWang418/se3-ejepa
规模买插值，结构买地平线：等变世界模型的认证可预测性
机构 * Department of Mathematics, Stony Brook University（数学系，石溪大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.LG
AI总结 针对等变潜在世界模型，提出可计算的多步可预测地平线认证，证明T步滚动误差在对称轨道上恒定，并由李雅普诺夫谱分层界定，且该认证为等变模型独有。
Comments 56 pages. v3: evidence hardening -- pendulum-ring mechanism doubled to n=30 seeds (Fisher p=9.5e-6), 5-task x 7-checkpoint multitask audit (0/35 cells reach the calibration band), certificate start-spread and measured episode-sensitivity analyses; prose pass; conclusions unchanged. Code: https://github.com/TimothyWang418/se3-ejepa
Valdi: 价值扩散世界模型
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 提出Valdi框架，结合端到端在线训练与潜在扩散动力学模型，在CarRacing环境中使用单步扩散达到与确定性MLP基线相当的性能，揭示了预测多模态与控制性能之间的权衡。
Comments RLC 2026 WMW
AdaJEPA：一种自适应潜在世界模型
机构 * New York University（纽约大学） ； AMI Labs（AMI实验室）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 提出AdaJEPA，一种在模型预测控制闭环中进行测试时自适应的潜在世界模型，通过自监督信号持续校准模型，显著提升规划成功率。
从令牌到状态：LLM作为世界模型的特例及其连续路径
机构 * Paul Dubois（保罗·杜博伊斯）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 本文论证LLM是世界模型的退化特例，并提出从NTP到JEPA的连续谱系，逐步放松LLM约束，同时探讨其可扩展性挑战。
Comments 10 pages, 6 figures, 1 table
EO-WM: 一种用于概率性地球观测预测的物理信息世界模型
机构 * The University of Hong Kong（香港大学） ； Wuhan University（武汉大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.CV
AI总结 提出EO-WM，一种视频扩散变换器，通过物理信息条件框架（气候基线、天气异常和累积应力）实现多光谱地球观测的概率性预测，在极端天气和季节匹配基准上优于现有方法。
Comments 28 pages, 5 figures, 11 tables
爱因斯坦世界模型
机构 * MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； RIKEN AIP, Japan（日本理化学研究所革新智能综合研究中心） ； Tohoku University（东北大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.CV
AI总结 提出爱因斯坦世界模型（EWM），通过将视觉时间展开嵌入推理轨迹，使LLM能利用视觉化反事实事件增强复杂推理能力。
Comments 12 pages (9 without references), 2 figures, 1 algorithm
风险感知的选择性多模态驾驶员监控与驾驶员状态世界建模
机构 * Hubei University（湖北大学） ； Nanyang Technological University（南洋理工大学） ； Osaka University（大阪大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.AI
AI总结 提出成本感知的选择性推理框架，结合轻量级RGB-生理学生网络和门控机制，在低延迟下减少不安全决策，实现可部署的多模态驾驶员监控。
Causal-rCM：一种用于流式视频生成和交互式世界模型中自回归扩散蒸馏的统一教师强制与自我强制开放配方
机构 * Tsinghua University（清华大学） ； UT Austin（德克萨斯大学奥斯汀分校） ； NVIDIA（英伟达）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV、cs.LG
AI总结 提出Causal-rCM框架，将扩散蒸馏扩展到自回归视频扩散，通过教师强制（前向散度）与自我强制（反向散度）互补，实现流式视频生成和交互式世界模型，在帧级和块级设置中达到最先进性能。
Comments Technical Report
等变世界模型的共形轨道有效信任视界
机构 * Department of Mathematics, Stony Brook University（石溪大学数学系）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.LG
AI总结 针对具有已知群对称性的潜在世界模型，提出一种共形校准的信任视界认证方法，利用等变性实现轨道常数认证，实验验证了其保守性和非空性。
Comments 15 pages, 6 figures
DynaWM: 基于世界模型和动量目标的动力学感知蒸馏实现连续楼梯上的平滑运动
机构 * School of Mechatronical Engineering, Beijing Institute of Technology（北京理工大学机电学院）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.AI
AI总结 提出DynaWM框架，通过世界模型正则化增强地形编码，并利用动量目标编码器稳定知识蒸馏，使双足轮式机器人在连续楼梯上实现高适应性和平滑运动。
Comments Comments: 8 pages, 7 figures, accepted by IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
Journal ref IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS),2026
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
传感器运动世界模型：通过逆动力学实现面向行动感知
机构 * Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； Department of Computer Science, Brown University（布朗大学计算机科学系） ； ELLIS Institute（ELLIS研究所） ； ETH Zürich（苏黎世联邦理工学院）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 提出传感器运动世界模型（SMWM），通过逆动力学正则化端到端训练潜空间世界模型，防止表示崩溃并学习与行动对齐的紧凑表示，在2D和3D控制任务中实现竞争性规划性能。
双通道接地世界建模 (DCGWM)：通过异构外部接地与内向梯度流结构性防止目标干扰崩溃
机构 * Independent Researcher（独立研究者）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 提出双通道接地世界建模（DCGWM），通过分区潜空间和内向梯度流，结构性防止联合嵌入预测架构中多目标接地导致的目标干扰崩溃。
Comments Position paper. Experimental validation in progress
ICRA 2026 GOOSE 2D细粒度语义分割挑战赛技术报告：利用DINOv3实现野外机器人中的鲁棒户外场景理解
机构 * Daegu Gyeongbuk Institute of Science and Technology (DGIST)（大邱庆北科学技术院） ； Massachusetts Institute of Technology (MIT)（麻省理工学院）
专题命中 具身推理 ：robotics(title,abstract)；分类 cs.RO、cs.CV
AI总结 提出一种结合DINOv3自监督骨干、ViT-Adapter和Mask2Former解码器的网络设计，以及多尺度测试增强和模型集成的推理策略，在64类细粒度越野语义分割挑战中取得第一名，复合得分76.57%。
Comments 5 pages, 4 figures
OmniDrive: 一种由LLM编排的多智能体世界模型，用于多视角驾驶视频生成的统一潜在协同压缩
机构 * Peking University（北京大学） ； Xiamen University（厦门大学） ； Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） ； National Taiwan University（国立台湾大学） ； Wuhan University（武汉大学） ； Wuhan University of Technology（武汉理工大学） ； Tsinghua University（清华大学） ； Jimei University（集美大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.CV
AI总结 提出DRIVE-CHOREO，一种由LLM编排的多智能体世界模型，通过三个Qwen2.5-VL智能体协同生成位置感知的潜在序列，并利用视图-时间置换与3D VAE协同压缩，实现可控多视角视频生成，在nuScenes上达到SOTA多视角一致性和BEV mAP 21.6。
Comments 24 pages, 10 figures
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。
图像模型能想象时间吗？ImageTime：通过时空一致性探究视觉世界建模的新基准
机构 * 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(title,abstract)；分类 cs.AI、cs.CV
AI总结 提出ImageTime基准，通过四关键帧协议（初始状态、动作开始、过渡状态、最终状态）评估图像生成模型在时空一致性上的表现，揭示模型在维持连贯视觉世界状态方面的能力与不足。
Echo-Memory：动作世界模型中记忆的受控研究
机构 * Joy Future Academy（京东探索研究院）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV、cs.LG
AI总结 提出Echo-Memory框架，通过控制变量法研究动作条件世界模型中的记忆机制，发现原始上下文容量和块状状态空间递归对开放域返回任务至关重要。
Comments 9 figures and 28 pages, Code at \href{https://github.com/Echo-Team-Joy-Future-Academy-JD/Echo-Memory}{this URL}
PRISM：世界模型中基于先验引导的想象采样
机构 * Northeastern University（东北大学） ； University of California, Berkeley（加州大学伯克利分校） ； Qiyuan Lab（启元实验室） ； University of Florida（佛罗里达大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.AI
AI总结 提出PRISM框架，通过从世界模型编码器提取状态条件高斯先验，并利用精度加权高斯乘积更新规划器的采样分布，在不增加架构复杂度的情况下显著提升基于模型的连续控制性能。
潜在世界模型中可预测性的控制理论
机构 * University of Science and Technology of China（中国科学技术大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Hong Kong Baptist University（香港浸会大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG
AI总结 研究潜在世界模型中可预测性的控制理论，指出当前以预测误差为目标不可靠，重新定义目标为预测与真实计划成本的差异，证明规划器次优性受其限制，通过实验证实相关结论。
Comments Preprint about latent world models, Koopman operator and control theory, 33 pages, 1 figure. Main text about 10 pages
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
3D场景图：开放挑战与未来方向
机构 * University of Stuttgart（斯图加特大学） ； IMPRS-IS（马克斯·普朗克研究所-智能系统） ； Sapienza University of Rome（罗马萨皮恩扎大学） ； Google（谷歌） ； MIT（麻省理工学院） ； University of Freiburg（弗赖堡大学） ； UTN University of Montreal（蒙特利尔大学UTN分校） ； Mila TU Munich（慕尼黑技术大学Mila）
专题命中 具身推理 ：robotics(abstract,comments)；manipulation(abstract)；navigation(abstract)；分类 cs.RO、cs.CV
AI总结 本文统一综述3D场景图（3DSG）的构建、应用与评估，分析现有建模选择与开放挑战，旨在推动鲁棒部署。
Comments Invited article for the Annual Review of Control, Robotics, and Autonomous Systems Volume 10
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