机器人 / 具身智能

Latent Geometry Beyond Search: Amortizing Planning in World Models

超越搜索的潜在几何：在世界模型中摊销规划

Hoang Nguyen, Xiaohao Xu, Xiaonan Huang

机构 * Department of Robotics, University of Michigan, Ann Arbor（密歇根大学机器人系，安阿伯） 纠错

专题命中 具身推理 ：world model(title,abstract)；manipulation(abstract)；navigation(abstract)；分类 cs.RO、cs.LG

AI总结 提出在正则化潜在几何下，将规划摊销为潜在逆动力学映射，以轻量级GC-IDM替代在线搜索，在七个环境协议中匹配或超越CEM，决策成本降低100-130倍。

Comments 31 pages

RoboDream: Compositional World Models for Scalable Robot Data Synthesis

RoboDream: 用于可扩展机器人数据合成的组合世界模型

Junjie Ye, Rong Xue, Basile Van Hoorick, Runhao Li, Harshitha Rajaprakash, Pavel Tokmakov, Muhammad Zubair Irshad, Vitor Guizilini, Yue Wang

机构 * USC Physical Superintelligence (PSI) Lab（USC物理超智能实验室） ； Toyota Research Institute（丰田研究院） 纠错

专题命中 具身推理 ：world model(title,abstract)；robot learning(abstract)；manipulation(abstract)；分类 cs.RO、cs.CV

AI总结 提出一种以具身为中心的组合世界模型，通过将轨迹执行与环境合成解耦，实现从新视角、新场景和新物体中合成逼真演示数据，并展示其在数据扩展和减少真实数据需求方面的有效性。

Comments Project page: https://junjieye.com/RoboDream/

SKIP: Sparse Keyframe Interpolation Paradigm for Efficient Embodied World Models

SKIP: 用于高效具身世界模型的稀疏关键帧插值范式

Ziheng He, Yixiang Chen, Ning Yang, Zhanqian Wu, Qisen Ma, Yuan Xu, Jiabing Yang, Peiyan Li, Xiangnan Wu, Xiaofeng Wang, Zheng Zhu, Jing Liu, Nianfeng Liu, Yan Huang

机构 * UCAS（中国科学院自动化研究所） ； CASIA（中国科学院自动化研究所） ； NJU（南京大学） ； GigaAI ； THU（清华大学） ； FiveAges 纠错

专题命中 具身推理 ：world model(title,abstract)；robotics(abstract)；manipulation(abstract)；分类 cs.RO、cs.CV

AI总结 提出稀疏关键帧插值范式(SKIP)，通过识别任务相关关键帧并仅生成这些帧，再基于机器人动作插值缺失帧，实现高效视频生成，在LIBERO上速度提升4.16倍，FVD降低89%，且生成视频作为训练数据时策略性能下降极小。

Comments 25 pages, 10 figures

Feedback World Model Enables Precise Guidance of Diffusion Policy

反馈世界模型使扩散策略获得精准指导

Tuo An, Jindou Jia, Gen Li, Jingliang Li, Chuhao Zhou, Pengfei Liu, Bofan Lyu, Jiaqi Bai, Xinying Guo, Geng Li, Jianfei Yang

机构 * MARS Lab, Nanyang Technological University（南洋理工大学MARS实验室） 纠错

专题命中 具身推理 ：world model(title,abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出反馈世界模型，通过实时反馈修正预测误差，提升机器人决策性能，实验显示在分布偏移下预测准确率和策略表现显著提升。

Comments 21 pages, 9 figures

LaWM: Least Action World Models for Long-Horizon Physical Consistency from Visual Observations

LaWM：基于视觉观测的最短作用世界模型用于长时间物理一致性

Qixin Xiao, Maani Ghaffari

机构 * University of Michigan（密歇根大学） 纠错

专题命中 具身推理 ：world model(title,abstract)；embodied AI(abstract)；robotic(abstract)；分类 cs.AI、cs.LG

AI总结 LaWM通过在视觉潜在空间中实现最小作用原理，提升长horizon视觉预测的物理一致性，改进了物理不变性、背景一致性、运动平滑度和外观几何预测指标。

PlayWorld: Learning Robot World Models from Autonomous Play

PlayWorld: 从自主玩耍中学习机器人世界模型

Tenny Yin, Zhiting Mei, Zhonghe Zheng, Miyu Yamane, David Wang, Jade Sceats, Samuel M. Bateman, Lihan Zha, Apurva Badithela, Ola Shorinwa, Anirudha Majumdar

机构 * Princeton University（普林斯顿大学） 纠错

专题命中 具身推理 ：world model(title,abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.AI

AI总结 PlayWorld通过自主玩耍数据训练高保真视频世界模拟器，解决了传统方法在物理交互预测上的不足，提升了机器人操控任务的预测精度和政策性能。

Comments Website: https://robot-playworld.github.io/

Causal World Modeling for Robot Control

机器人控制中的因果世界建模

Lin Li, Qihang Zhang, Yiming Luo, Shuai Yang, Ruilin Wang, Fei Han, Mingrui Yu, Zelin Gao, Nan Xue, Xing Zhu, Yujun Shen, Yinghao Xu

专题命中 具身推理 ：world model(title,abstract)；robot learning(abstract)；manipulation(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出LingBot-VA框架，通过视频世界建模与视觉语言预训练结合，实现机器人学习的新基础。模型包含共享潜在空间、闭环回滚机制和异步推理流程，提升了长周期操作和数据效率。

Comments Project page: https://technology.robbyant.com/lingbot-va Code: https://github.com/robbyant/lingbot-va

Cosmos-H-Surgical: Learning Surgical Robot Policies from Videos via World Modeling

Cosmos-H-Surgical: 通过世界建模学习手术机器人策略

Yufan He, Pengfei Guo, Mengya Xu, Zhaoshuo Li, Andriy Myronenko, Dillan Imans, Bingjie Liu, Dongren Yang, Mingxue Gu, Yongnan Ji, Yueming Jin, Ren Zhao, Baiyong Shen, Daguang Xu

机构 * NVIDIA ； The Chinese University of Hong Kong（香港中文大学） ； Sung Kyun Kwan University（全州大学） ； Wenzhou Medical University（温州医学院） ； National University of Singapore（新加坡国立大学） ； Ruijin Hospital（瑞金医院） 纠错

专题命中 具身推理 ：world model(title,abstract)；robotics(abstract)；manipulation(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出通过世界建模学习手术机器人策略，利用合成数据和逆动力学模型提升自主手术能力。

Vid2World: Crafting Video Diffusion Models to Interactive World Models

Vid2World: 构建视频扩散模型以交互式世界模型

Siqiao Huang, Jialong Wu, Qixing Zhou, Shangchen Miao, Mingsheng Long

机构 * Tsinghua University（清华大学） ； Chongqing University（重庆大学） 纠错

专题命中 具身推理 ：world model(title,abstract)；manipulation(abstract)；navigation(abstract)；分类 cs.CV、cs.LG

AI总结 Vid2World通过因果化视频扩散模型，提升其在交互式世界建模中的可控性和生成能力，适用于机器人操作、游戏模拟和开放世界导航等多种领域。

Comments Project page: http://knightnemo.github.io/vid2world/

Compositional Planning with Jumpy World Models

基于跳跃世界模型的组合规划

Jesse Farebrother, Matteo Pirotta, Andrea Tirinzoni, Marc G. Bellemare, Alessandro Lazaric, Ahmed Touati

机构 * FAIR at Meta ； Mila -- Qu\'ebec AI Institute ； McGill University 纠错

专题命中 具身推理 ：world model(title,abstract)；manipulation(abstract)；navigation(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出基于跳跃世界模型的组合规划方法，通过学习多步动态预测模型提升长时间任务的规划性能，实现复杂任务的解决。

Learning Latent Action World Models In The Wild

在真实世界中学习潜在动作世界模型

Quentin Garrido, Tushar Nagarajan, Basile Terver, Nicolas Ballas, Yann LeCun, Michael Rabbat

机构 * FAIR at Meta（Meta旗下的FAIR） ； Inria（法国国家信息与自动化研究所） 纠错

专题命中 具身推理 ：world model(title,abstract)；robotics(abstract)；manipulation(abstract)；分类 cs.AI、cs.CV

AI总结 本研究提出在真实世界视频中学习潜在动作世界模型，通过连续受限的潜在动作捕捉复杂动作，解决了环境噪声和缺乏共同具象的挑战，实现了与动作条件基线相似的规划任务性能。

Comments 37 pages, 25 figures; updated references and experimental details

Act2Goal: From World Model To General Goal-conditioned Policy

Act2Goal：从世界模型到通用目标条件政策

Pengfei Zhou, Liliang Chen, Shengcong Chen, Di Chen, Wenzhi Zhao, Rongjun Jin, Guanghui Ren, Jianlan Luo

机构 * Agibot Research（阿吉博特研究所） 纠错

专题命中 具身推理 ：world model(title,abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO、cs.AI

AI总结 Act2Goal通过结合视觉世界模型与多尺度时间控制，实现目标条件政策的鲁棒长时间尺度操作，提升机器人在新环境中的自主适应能力。

Closing the Train-Test Gap in World Models for Gradient-Based Planning

缩小世界模型在基于梯度规划中的训练-测试差距

Arjun Parthasarathy, Nimit Kalra, Rohun Agrawal, Yann LeCun, Oumayma Bounou, Pavel Izmailov, Micah Goldblum

机构 * Columbia University（哥伦比亚大学） ； New York University（纽约大学） 纠错

专题命中 具身推理 ：world model(title,abstract)；manipulation(abstract)；navigation(abstract)；分类 cs.RO、cs.LG

AI总结 本文提出改进世界模型训练方法，以提高基于梯度的规划效率，缩小训练与测试之间的性能差距。

RLVR-World: Training World Models with Reinforcement Learning

Jialong Wu, Shaofeng Yin, Ningya Feng, Mingsheng Long

机构 * School of Software, BNRist, Tsinghua University（软件学院，北研所，清华大学） ； Zhili College, Tsinghua University（知礼学院，清华大学） 纠错

专题命中 具身推理 ：world model(title,abstract)；manipulation(abstract)；navigation(abstract)；分类 cs.AI、cs.LG

Comments NeurIPS 2025. Code is available at project website: https://thuml.github.io/RLVR-World/

Occupancy World Model for Robots

Zhang Zhang, Qiang Zhang, Wei Cui, Shuai Shi, Yijie Guo, Gang Han, Wen Zhao, Jingkai Sun, Jiahang Cao, Jiaxu Wang, Hao Cheng, Xiaozhu Ju, Zhengping Che, Renjing Xu, Jian Tang

机构 * Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） ； Beijing Institute of Technology（北京理工大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

专题命中 具身推理 ：world model(title,abstract)；robotics(abstract)；embodied agent(abstract)；分类 cs.RO、cs.CV

Scaling Laws for Pre-training Agents and World Models

Tim Pearce, Tabish Rashid, Dave Bignell, Raluca Georgescu, Sam Devlin, Katja Hofmann

专题命中 具身推理 ：world model(title,abstract)；robotics(abstract)；embodied agent(abstract)；分类 cs.AI、cs.LG

AVID: Adapting Video Diffusion Models to World Models

Marc Rigter, Tarun Gupta, Agrin Hilmkil, Chao Ma

专题命中 具身推理 ：world model(title,abstract)；robotics(abstract)；embodied AI(abstract)；分类 cs.CV、cs.LG

Comments Project Webpage: https://sites.google.com/view/avid-world-model-adapters/home

Failure Detection for Surgical Robot Imitation Policies via Flow-Matching World Modeling

基于流匹配世界建模的外科机器人模仿策略故障检测

Zhefeng Huang, Yilin Cai, Ankit Patel, Mohammad Hajiha, Brendan Browne, Yue Chen

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Emory University（埃默里大学） 纠错

专题命中 具身推理 ：world model(title,abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.RO

AI总结 该研究针对外科机器人模仿策略的故障检测难题，提出FoMo-FD方法，利用流匹配世界模型实现无故障演示的视觉-动作不一致性窗口级检测，在dVRK的模拟与真实实验中表现优于基线方法。

Comments 9 pages, 6 figures. Submitted to IEEE Robotics and Automation Letters (RA-L)

A System for Fast, Resilient, and Adaptable Loco-Manipulation Behaviors on Humanoid Robots

一种用于人形机器人快速、鲁棒且可适应的移动操作行为的系统

Duncan William Calvert

专题命中 具身推理 ：manipulation(title,abstract)；robotics(abstract,abstract_cn)；分类 cs.RO

AI总结 提出一种机器人本地、运行时可编辑的行为编写与运行系统，结合Coactive Design原则、对象中心Affordance模板、行为树逻辑和运行时场景感知，支持双臂行走、并发动作分层，已部署于多种人形机器人，实现20多种任务变体，可在数分钟或数小时内创建新行为。

Comments PhD dissertation, University of West Florida, Department of Intelligent Systems and Robotics, June 2026. 331 pages

Web Agents with World Models: Learning and Leveraging Environment Dynamics in Web Navigation

Hyungjoo Chae, Namyoung Kim, Kai Tzu-iunn Ong, Minju Gwak, Gwanwoo Song, Jihoon Kim, Sunghwan Kim, Dongha Lee, Jinyoung Yeo

专题命中 具身推理 ：world model(title,abstract)；navigation(title)

Comments ICLR 2025

Embodied GPT-5.1: Evidence of a World Model?

具身化GPT-5.1：世界模型的证据？

Roberto Spinelli, Thiago C. Martins

专题命中 具身推理 ：world model(title,journal_ref)；robotics(abstract,comments)；navigation(abstract)；分类 cs.RO、cs.AI

AI总结 研究探索无实体化训练的GPT-5.1能否控制物理移动机器人，通过低分辨率图像和离散动作集执行任务。它展现出空间推理等新兴能力，但也有效率和感知局限。结果挑战传统观点，促使深入研究大语言模型中物理理解相关问题。

Comments 6 pages, 16 figures. Published in the 2026 Brazilian Conference on Robotics (CROS)

Journal ref R. Spinelli and T. C. Martins, "Embodied GPT-5.1: Evidence of a World Model?," 2026 Brazilian Conference on Robotics (CROS), pp. 394-399, 2026

Embodied Multi-Agent Coordination by Aligning World Models Through Dialogue

通过对话对齐世界模型实现具身多智能体协调

Vardhan Dongre, Dilek Hakkani-Tür

机构 * Siebel School of Computing & Data Science（计算机与数据科学学院） 纠错

专题命中 具身推理 ：world model(title,abstract)；robotics(abstract)；embodied agent(abstract)；分类 cs.AI

AI总结 研究通过对话机制探索具身智能体的世界模型对齐，发现对话能减少冲突但降低任务成功率，提出评估世界模型对齐的框架。

Learning Task-Sufficient World Models by Synergizing Agentic Exploration and Structured Modeling

通过协同能动探索和结构化建模学习任务充分的世界模型

Fan Feng, Yujia Zheng, Minghao Fu, Yongqiang Chen, Guangyi Chen, Kevin Murphy, Biwei Huang, Kun Zhang

机构 * UCSD（加州大学圣地亚哥分校） ； MBZUAI（Mubarakzai Institute of Artificial Intelligence） ； CMU（卡内基梅隆大学） ； UBC（不列颠哥伦比亚大学） 纠错

专题命中 具身推理 ：world model(title,abstract)；manipulation(abstract)；robotic(abstract)；分类 cs.LG

AI总结 研究如何让智能体学习特定于任务、最小且足以决策的世界模型表示，通过智能体与世界模型闭环协同，智能体主动探索收集信息轨迹，世界模型学习结构化表示，提升样本效率和泛化能力。

Perceptual 3D Simulation With Physical World Modeling

基于物理世界建模的感知3D仿真

Wanhee Lee, Klemen Kotar, Rahul Mysore Venkatesh, Jared Watrous, Daniel L. K. Yamins

机构 * Stanford University（斯坦福大学） 纠错

专题命中 具身推理 ：world model(title,abstract)；robotics(abstract)；manipulation(abstract)；分类 cs.CV

AI总结 提出P3Sim系统，结合学习型物理世界模型、几何条件模块和持久场景记忆，在部分观测和不完整3D变换信号下模拟未来场景状态，实现多任务泛化。

Comments Published as a conference paper at CVPR 2026

WorldOlympiad: Can Your World Model Survive a Triathlon?

WorldOlympiad：你的世界模型能经受铁人三项考验吗？

Yuke Zhao, Wangbo Zhao, Weijie Wang, Zeyu Zhang, Dakai An, Akide Liu, Yinghao Yu, Jiasheng Tang, Fan Wang, Wei Wang, Bohan Zhuang

机构 * Zhejiang University（浙江大学） ； DAMO Academy, Alibaba Group（阿里巴巴达摩院） ； The Hong Kong University of Science and Technology（香港科技大学） ； Monash University（莫纳什大学） ； TRE, Alibaba Group（阿里巴巴TRE） 纠错

专题命中 具身推理 ：world model(title,abstract)；robotics(abstract)；manipulation(abstract)；分类 cs.CV

AI总结 提出WorldOlympiad基准，从物理忠实性、几何一致性和交互保真度三个维度诊断视频世界模型，揭示现有模型在物理推理、3D一致性和长程交互方面的显著不足。

Comments Project Page: https://alibaba-damo-academy.github.io/WorldOlympiad/, Code: https://github.com/alibaba-damo-academy/WorldOlympiad

Cosmos 3: Omnimodal World Models for Physical AI

Cosmos 3：面向物理AI的全模态世界模型

NVIDIA, :, Aditi, Niket Agarwal, Arslan Ali, Jon Allen, Martin Antolini, Adeline Aubame, Alisson Azzolini, Junjie Bai, Maciej Bala, Yogesh Balaji, Josh Bapst, Aarti Basant, Mukesh Beladiya, Mohammad Qazim Bhat, Zaid Pervaiz Bhat, Dan Blick, Vanni Brighella, Han Cai, Tiffany Cai, Eric Cameracci, Jiaxin Cao, Yulong Cao, Mark Carlson, Carlos Casanova, Ting-Yun Chang, Yan Chang, Yu-Wei Chao, Prithvijit Chattopadhyay, Roshan Chaudhari, Chieh-Yun Chen, Junyu Chen, Ke Chen, Qizhi Chen, Wenkai Chen, Xiaotong Chen, Yu Chen, An-Chieh Cheng, Click Cheng, Xiu Chia, Jeana Choi, Chaeyeon Chung, Wenyan Cong, Yin Cui, Magdalena Dadela, Nalin Dadhich, Wenliang Dai, Joyjit Daw, Alperen Degirmenci, Rodrigo Vieira Del Monte, Robert Denomme, Sameer Dharur, Marco Di Lucca, Ke Ding, Wenhao Ding, Yifan Ding, Yuzhu Dong, Nicole Drumheller, Yilun Du, Aigul Dzhumamuratova, Aleksandr Efitorov, Hamid Eghbalzadeh, Naomi Eigbe, Imad El Hanafi, Hassan Eslami, Benedikt Falk, Jiaojiao Fan, Jim Fan, Amol Fasale, Sergiy Fefilatyev, Liang Feng, Francesco Ferroni, Sanja Fidler, Xiao Fu, Vikram Fugro, Prashant Gaikwad, TJ Galda, Katelyn Gao, Yihuai Gao, Wenhang Ge, Sreyan Ghosh, Arushi Goel, Vivek Goel, Akash Gokul, Rama Govindaraju, Jinwei Gu, Miguel Guerrero, Elfie Guo, Aryaman Gupta, Siddharth Gururani, Hugo Hadfield, Song Han, Ankur Handa, Zekun Hao, Mohammad Harrim, Ali Hassani, Nathan Hayes-Roth, Yufan He, Chris Helvig, Cyrus Hogg, Madison Huang, Michael Huang, Sophia Huang, Yufan Huang, Jacob Huffman, DeLesley Hutchins, Suneel Indupuru, Boris Ivanovic, Arihant Jain, Joel Jang, Ryan Ji, Yanan Jian, Dongfu Jiang, Jingyi Jin, Atharva Joshi, Nikhilesh Joshi, Pranjali Joshi, Andy Ju, Jaehun Jung, Weiwei Kang, Scott Kassekert, Jan Kautz, Ashna Khetan, Julia Kiczka, Slawek Kierat, Gwanghyun Kim, Kuno Kim, Sunny Kim, Kezhi Kong, Xin Kong, Zhifeng Kong, Tomasz Kornuta, Egor Krivov, Hui Kuang, Saurav Kumar, Chia-Wen Kuo, George Kurian, Wojciech Kutak, JF Lafleche, Himangshu Lahkar, Omar Laymoun, Jayjun Lee, Sanggil Lee, Gabriele Leone, Boyi Li, Freya Li, Jiajun Li, Jinfeng Li, Ling Li, Pengcheng Li, Shangru Li, Tingle Li, Xiaolong Li, Xuan Li, Zhaoshuo Li, Zhiqi Li, Hao Liang, Maosheng Liao, Chen-Hsuan Lin, Tsung-Yi Lin, Ming-Yu Liu, Sifei Liu, Zihan Liu, Hai Loc Lu, Xiangyu Lu, Alice Luo, Ruipu Luo, Wenjie Luo, Jiangran Lyu, Martin Ding Ma, Nic Ma, Qianli Ma, Dawid Majchrowski, Louis Marcoux, Miguel Martin, Qing Miao, Ashkan Mirzaei, Shreyas Misra, Kaichun Mo, Durra Mohsin, Hyejin Moon, Pawel Morkisz, Saeid Motiian, Kirill Motkov, Seungjun Nah, Yashraj Narang, Deepak Narayanan, Thabang Ngazimbi, Julian Ouyang, Shubham Pachori, David Page, Yatian Pang, Sehwi Park, Mahesh Patekar, Mostofa Patwary, Marco Pavone, Trung Pham, Wei Ping, Soha Pouya, Shrimai Prabhumoye, Varun Praveen, Delin Qu, Hesam Rabeti, Morteza Ramezanali, Marilyn Reeb, Xuanchi Ren, Kristen Rumley, Wojciech Rymer, Jun Saito, Yeongho Seol, John Shao, Piyush Shekdar, Tianwei Shen, Humphrey Shi, Min Shi, Stella Shi, Kevin Shih, Mohammad Shoeybi, Mateusz Sieniawski, Shuran Song, Alexander Sotelo, Amir Sotoodeh, Sunil Srinivasa, Vignesh Srinivasakumar, Bartosz Stefaniak, Rahul Heinrich Steiger, Shangkun Sun, Jiaxiang Tang, Shitao Tang, Yangyang Tang, Yue Tang, Tolou Tavakkoli, Kayley Ting, Krzysztof Tomala, Wei-Cheng Tseng, Jibin Varghese, Sergei Vasilev, Thomas Volk, Raju Wagwani, Roger Waleffe, Andrew Z. Wang, Boxiang Wang, Haoxiang Wang, Qiao Wang, Shihao Wang, Shijie Wang, Ting-Chun Wang, Yan Wang, Yu Wang, Rohit Watve, David Wehr, Fangyin Wei, Xinshuo Weng, Jay Zhangjie Wu, Kedi Wu, Hongchi Xia, Summer Xiao, Tianjun Xiao, Kevin Xie, Daguang Xu, Jiashu Xu, Mengyao Xu, Ruqing Xu, Xingqian Xu, Yao Xu, Dinghao Yang, Dong Yang, Hans Yang, Xiaodong Yang, Xuning Yang, Yichu Yang, Yurong You, Zhiding Yu, Hao Yuan, Simon Yuen, Xiaohui Zeng, Pengcuo Zeren, Cindy Zha, Haotian Zhang, Jenny Zhang, Jing Zhang, Liangkai Zhang, Paris Zhang, Shun Zhang, Xuanmeng Zhang, Zhizheng Zhang, Ann Zhao, Yilin Zhao, Yuliya Zhautouskaya, Charles Zhou, Fengzhe Zhou, Shilin Zhu, Yuke Zhu, Dima Zhylko, Artur Zolkowski

机构 * NVIDIA 纠错

专题命中 具身推理 ：world model(title,abstract)；embodied agent(abstract)；分类 cs.RO、cs.AI、cs.CV

AI总结 提出基于统一混合Transformer架构的全模态世界模型Cosmos 3，联合处理语言、图像、视频、音频和动作序列，在理解和生成任务上达到新最优，为具身智能体提供可扩展的通用骨干。

Hierarchical Planning with Latent World Models

基于潜在世界模型的分层规划

Wancong Zhang, Basile Terver, Artem Zholus, Soham Chitnis, Harsh Sutaria, Mido Assran, Randall Balestriero, Amir Bar, Adrien Bardes, Yann LeCun, Nicolas Ballas

机构 * FAIR at Meta（Meta旗下的FAIR） ； New York University（纽约大学） ； Mila - Québec AI Institute（魁北克AI研究院） ； Brown University（布朗大学） 纠错

专题命中 具身推理 ：world model(title,abstract)；manipulation(abstract)；navigation(abstract)；分类 cs.LG

AI总结 提出HWM架构，通过多时间尺度潜在世界模型和潜在匹配实现分层模型预测控制，解决长时域任务中单层规划失败和计算爆炸问题。

ThinkJEPA: Empowering Latent World Models with Large Vision-Language Reasoning Model

ThinkJEPA：赋予潜在世界模型大型视觉-语言推理能力

Haichao Zhang, Yijiang Li, Shwai He, Tushar Nagarajan, Mingfei Chen, Jianglin Lu, Ang Li, Yun Fu

机构 * Northeastern University（东北大学） ； University of California San Diego（加州大学圣地亚哥分校） ； University of Maryland（马里兰大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Washington（华盛顿大学） 纠错

专题命中 具身推理 ：world model(title,abstract)；manipulation(abstract)；分类 cs.RO、cs.AI、cs.CV

AI总结 提出ThinkJEPA框架，结合密集JEPA分支与稀疏VLM思考者分支，通过分层金字塔表示提取模块，实现细粒度运动建模与长程语义引导，在手部操作轨迹预测任务上超越基线。

Comments 10 pages, 5 figures

World Model Self-Distillation: Training World Models to Solve General Tasks

世界模型自蒸馏：训练世界模型以解决通用任务

Sebastian Stapf, Pablo Acuaviva Huertos, Aram Davtyan, Paolo Favaro

机构 * Department of Computer Science（计算机科学系） 纠错

专题命中 具身推理 ：world model(title,abstract)；robotics(abstract)；robotic(abstract)；分类 cs.CV

AI总结 提出结合自蒸馏与强化学习的框架，从预训练视频生成器中提取任务解决能力，无需配对任务视频，在基准测试中超越原始模型。

Towards Interactive Video World Modeling: Frontiers, Challenges, Benchmarks, and Future Trends

迈向交互式视频世界建模：前沿、挑战、基准与未来趋势

Jiuming Liu, Chaojun Ni, Mengmeng Liu, Chensheng Peng, Fangjinhua Wang, Sitian Shen, Marc Pollefeys, Masayoshi Tomizuka, Ayush Tewari, Per Ola Kristensson

机构 * Department of Engineering, University of Cambridge, U.K.（剑桥大学工程系） ； Peking University（北京大学） ； University of Twente（埃因霍温理工大学） ； Mechanical Systems Control Laboratory, University of California, Berkeley, USA（加州大学伯克利分校机械系统控制实验室） ； ETH Zurich（苏黎世联邦理工学院） ； Microsoft（微软公司） ； University of Oxford（牛津大学） 纠错

专题命中 具身推理 ：world model(title,abstract)；robotics(abstract)；embodied AI(abstract)；分类 cs.CV

AI总结 本文系统综述了交互式世界建模的研究趋势、技术挑战、评估基准，并提出了未来方向，重点在于动作条件可控性、长程交互与记忆以及实时响应性。

Comments Under review. The GitHub repository is publicly available at: https://github.com/liujiuming123/Awesome-Interactive-World-Model