世界模型

DA-WAM: Decision-Aligned Future Latents for Driving World Models

DA-WAM：面向驾驶世界模型的决策对齐未来潜变量

Ruiguo Zhong, Benshan Ma, Xiaolong Chen, Lang Zhang, Mingyue Feng, Yaonong Wang, Pei Liu, Jun Ma

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Leapmotor（零跑汽车） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

专题命中 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；driving world model(title)；world model(title,abstract)

AI总结 DA-WAM 是统一预测表示学习等模块的驾驶世界模型框架，通过动作条件未来潜变量实现决策对齐，在 NAVSIM 数据集上达到最优性能，验证了关键组件的有效性。

Reinforced Planning with Latent World Models

基于潜世界模型的强化规划

Armin Sommer, Jannik Schilling

机构 * Pantheon Industries（万神殿工业公司） 纠错

专题命中 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；world model(title,abstract)；world models(title,abstract)

AI总结 该研究提出RP1方法，将良好搜索规则强化到神经规划器中，可改进多步计划，在多个机器人任务中性能优于手工搜索算法，且效率更高。

Comments Preprint

Partition the Support, Reconstruct the Residual: Training-Free Sparse Attention for Video Generation and World Models

划分支撑集，重建残差：用于视频生成和世界模型的无训练稀疏注意力

Pardis Taghavi, Reza Langari, Gaurav Pandey

机构 * Texas A&M University（德克萨斯农工大学） 纠错

专题命中 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；world model(title,abstract)；world models(title,abstract)

AI总结 本文提出SparsePR算法，结合响应耦合划分与探针拟合残差重建，在四个视频生成和世界模型上实现注意力重建误差降低，22.0%-26.0%执行对密度下保持生成质量，获1.48-2.61倍端到端加速。

Comments 22 pages, 5 figures. Project page: https://pardistaghavi.github.io/SparsePR-website/

Decision-Metric Alignment in Latent World Models: Diagnostics and Action-Conditioned Objectives for MPC Planning

潜在世界模型中的决策度量对齐：MPC规划的诊断与动作条件目标

Jiawei Wang, Ke Rui, Yushen Zuo, Yichun Feng, Minglei Li

专题命中 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；world model(title,abstract)；world models(title,abstract)

AI总结 该研究针对潜在世界模型中MPC规划的决策度量对齐问题，提出两种秩一致性诊断指标，开发DA-LeWM模型，验证其可加快收敛并提升在线成功率，改善潜在MPC的几何结构。

GigaBrain-WBC-0.5: A Behavior World Model for Robust Whole-Body Control with Environment Interaction

GigaBrain-WBC-0.5：一种用于与环境交互的鲁棒全身控制的行为世界模型

Ziyang Cheng, Tianshu Tang, Jinxin Lan, Xinze Chen, Yuhan Gong, Zhichao Liu, Changzhong Wu, Yahao Mao, Zongyan Deng, Mingxuan Ma, Huasen Xi, Yilong Liu, Yutong Wu, Xiaofeng Wang, Yang Wang, Yun Ye, Guan Huang, Xiaojie Jin, Zheng Zhu, Jiwen Lu

专题命中 通用世界模型 ：world model(title,abstract)；world model(title,abstract)；分类 cs.AI、cs.LG、cs.RO

AI总结 该研究提出首个用于人形机器人全身控制的行为世界模型GigaBrain-WBC-0.5，通过训练因果Transformer联合预测动作、状态与指令分布，在多场景下实现鲁棒控制，成功率优于现有基线。

Comments 20 pages, 8 figures, 4 tables. Technical report. Project page: https://shepherd1226.github.io/gigabrain-wbc-0.5/

Position: Profiling Game Worlds by Transition Complexity

Position：通过转移复杂度分析游戏世界

Lele Cao

机构 * Microsoft Research（微软研究院） ； DeepMind（深度思考（DeepMind）） 纠错

专题命中 通用世界模型 ：world model(abstract)；world model(abstract)；分类 cs.AI

AI总结 该研究针对GWM与RL常被混淆的问题，提出转移复杂度剖面（TCP）指标，用于量化游戏环境的转移预测难度，呼吁其成为相关论文的标准基准元数据。

Comments Accepted by ICML 2026 Position Paper Track. https://icml.cc/virtual/2026/poster/67074

Progressive Experience Fusion for Multi-Task World Model Control in Endovascular Navigation

用于血管内导航多任务世界模型控制的渐进式经验融合

Harry Robertshaw, Maxence Boels, Nikola Fischer, Sebastien Ourselin, Christos Bergeles, Alejandro Granados, Thomas C Booth

机构 * School of Biomedical Engineering & Imaging Sciences, King’s College London（伦敦国王学院生物医学工程与影像科学学院） ； Surgical & Interventional Engineering（外科与介入工程） 纠错

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

AI总结 本研究提出渐进式经验融合（PEF）训练多任务TD-MPC2控制器，在血管内导航任务中提升了成功率，可实现跨血管结构迁移与患者特异性微调，为临床应用提供概念验证。

AlphaClifford: Efficient Clifford Synthesis and Transpilation with Model-based RL

AlphaClifford：基于模型强化学习的高效Clifford电路综合与 transpilation

Daniele Lizzio Bosco, Jacopo Cossio, Carla Piazza, Giuseppe Serra

专题命中 模型式强化学习 ：model-based RL(title,abstract)；model-based reinforcement learning(abstract)；分类 cs.AI

AI总结 本研究提出基于模型强化学习的AlphaClifford框架，用于高效综合Clifford电路，在总门数和CNOT门数上优于现有方法，还可用于硬件约束 transpilation及Clifford+T流程优化，为量子编译提供可扩展途径。

Comments Accepted manuscript to appear in the proceedings of the IEEE International Conference on Quantum Computing and Engineering (QCE 2026). 11 pages, 3 figures