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。

2026-06-17 至 2026-06-17 共收录 2 篇信号源：cs.AI, cs.LG, cs.CV, cs.RO, cs.MA

1. 模型式强化学习 2 篇

2606.17572 2026-06-17 cs.LG cs.SY eess.SY 新提交 53%

当动力学模型读取错误的时间步：无标签事件信用重锚定以实现鲁棒的全局读出

Yifan Wang

专题命中模型式强化学习：dynamics model(title,abstract)；分类 cs.LG

AI总结针对序列到全局接口中的时间信用稀释问题，提出无训练无标签的CREST方法，通过事件核心估计与对比重锚定，减少分布外误差并恢复事件信用。

Comments 7 pages, 6 figures

2410.10137 2026-06-17 cs.LG math.DG stat.CO stat.ML 版本更新 50%

具有潜在高维稳态几何流的变分自编码器用于动力学

Andrew Gracyk

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）

专题命中模型式强化学习：latent dynamics(abstract)；分类 cs.LG

AI总结提出VAE-DLM方法，在潜在空间中引入稳态几何流，通过物理信息方法求解高维流，增强潜在表示的表达能力，在PDE型数据上降低OOD误差15%-35%。

Comments Edits and improved tables

Journal ref 23rd International Conference of Numerical Analysis and Applied Mathematics (ICNAAM) 2025