视觉与机器人

世界模型

面向环境建模、时序预测、仿真规划、具身智能和自动驾驶的世界模型方法与应用。

2026-06-16 至 2026-06-16 共收录 2 篇信号源：cs.AI, cs.LG, cs.CV, cs.RO, cs.MA

1. 具身与机器人 2 篇

2606.14981 2026-06-16 cs.RO cs.AI cs.LG 新提交 73%

Inference-time Policy Steering via Vision and Touch

通过视觉和触觉进行推理时策略引导

Yilin Wu, Zilin Si, Zeynep Temel, Oliver Kroemer, Andrea Bajcsy

机构 * Carnegie Mellon University（卡内基梅隆大学）

专题命中具身与机器人：world model(abstract)；world model(abstract)；分类 cs.AI、cs.LG、cs.RO

AI总结提出ViTaL框架，通过视觉采样验证和触觉引导扩散编辑的双层优化，在推理时引导机器人策略，显著提升接触丰富操作任务的成功率。

2606.15768 2026-06-16 cs.RO cs.AI 新提交 71%

LaWAM: Latent World Action Models for Efficient Dynamics-Aware Robot Policies

LaWAM: 用于高效动力学感知机器人策略的潜在世界行动模型

Jialei Chen, Kai Wang, Kang Chen, Shuaihang Chen, Feng Gao, Wenhao Tang, Zhiyuan Li, Weilin Liu, Zhuyu Yao, Boxun Li, Yuanbo Xu, Chao Yu

机构 * Tsinghua University（清华大学）； Jilin University（吉林大学）； Nankai University（南开大学）； Peking University（北京大学）； Harbin Institute of Technology（哈尔滨工业大学）； Zhongguancun Academy（中关村学院）； Striding.AI ； Infinigence AI

专题命中具身与机器人：world model(abstract)；world model(abstract)；分类 cs.AI、cs.RO

AI总结提出LaWAM模型，通过潜在视觉子目标预测场景变化，实现动力学感知的机器人控制，在多个基准上达到最优或竞争性成功率，且推理延迟低。