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。

2026-08-04 至 2026-08-04 共收录 3 篇信号源：cs.AI, cs.LG, cs.CV, cs.RO, cs.MA

1. 模型式强化学习 3 篇

2608.01208 2026-08-04 q-fin.MF cs.LG q-fin.RM 新提交 80%

面向XVAs的Climate-Dyna深度对冲：基于模型的强化学习、剩余气候HVA及对冲工具发现

Xiaozhen Wang, Francois Buet-Golfouse

专题命中模型式强化学习：model-based reinforcement learning(title)；world-model(abstract)；world-model(abstract)；分类 cs.LG

AI总结该研究提出Climate-Dyna深度对冲方法，通过基于模型的强化学习解决剩余气候HVA问题，在EU ETS半合成研究中有效降低了气候费用，显著减少了遗憾值并保留了大部分精确辅助增益。

Comments 15 pages, 2 figures, 1 table

2607.20939 2026-08-04 eess.SY cs.AI cs.RO cs.SY 版本更新 58%

用于安全可控导管-组织相互作用的相互作用动力学建模与预测控制

Yongyan Cao

机构 * Voryx Robotic LLC

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

AI总结研究安全可控导管-组织相互作用动力学问题，通过建立模型、采用部分物理前馈、预测优化器及增强卡尔曼滤波器等方法，实现无偏移运动调节与接触力安全，模拟结果验证了方法有效性，硬件验证待开展。

2511.19849 2026-08-04 cs.AI cs.LG 版本更新 56%

具有$ω$-正则目标和约束的强化学习

Dominik Wagner, Leon Witzman, Luke Ong

机构 * NTU Singapore（南洋理工大学）

专题命中模型式强化学习：model-based RL(abstract)；分类 cs.AI、cs.LG

AI总结本文提出了一种结合$ω$-正则目标与约束的强化学习算法，以解决安全性和性能之间的权衡问题。