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 2 篇信号源：cs.AI, cs.LG, cs.CV, cs.RO, cs.MA

1. 自动驾驶 2 篇

2608.00298 2026-08-04 cs.AI 新提交 92%

WM-Cov: Test Adequacy for Interactive World-Model-Style Autonomous Driving Simulation

WM-Cov：交互式世界模型式自动驾驶仿真的测试充分性

Jianxun Cui, Ping Wu, Stanisa Peric, Marko Milojkovic, Vladan Devedzic

机构 * School of Transportation Science and Engineering, Harbin Institute of Technology（哈尔滨工业大学交通科学与工程学院）； Chongqing Research Institute of HIT（哈尔滨工业大学重庆研究院）； Chongqing Changan Automobile Co., Ltd.（重庆长安汽车股份有限公司）； University of Nis（尼什大学）； University of Belgrade（贝尔格莱德大学）

专题命中自动驾驶：world-model(title,abstract)；world-model(title,abstract)；world model(abstract)；world models(abstract)

AI总结本文针对交互式世界模型式自动驾驶仿真测试的充分性问题，提出与提供方无关的 WM-Cov 评估层，经多组实验验证其可通过有效交互式证据收敛性更科学地评估测试效果。

Comments 11 pages, 6 figures, 7 tables

2603.05842 2026-08-04 cs.RO 版本更新 50%

Expert Knowledge-driven Reinforcement Learning for Autonomous Racing via Trajectory Guidance and Dynamics Constraints

专家知识驱动的强化学习用于自动驾驶赛车：通过轨迹引导和动力学约束

Bo Leng, Weiqi Zhang, Zhuoren Li, Lu Xiong, Guizhe Jin, Ran Yu, Chen Lv

机构 * College of Automotive and Energy Engineering, Tongji University（同济大学汽车与能源工程学院）； School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航空航天工程学院）

专题命中自动驾驶：environment model(abstract)；分类 cs.RO

AI总结本文提出TraD-RL方法，通过轨迹引导和动力学约束强化学习，提升自动驾驶赛车的性能与安全性。