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。

共收录 33 篇信号源：cs.AI, cs.LG, cs.CV, cs.RO, cs.MA

1. 模型式强化学习 33 篇

2606.15053 2026-06-25 cs.LG cs.NA math.NA 新提交 50%

物理一致潜在对偶

Matthias Chung, Yutong Bu, Deepanshu Verma

机构 * Emory University（埃默里大学）； Clemson University（克莱姆森大学）

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

AI总结提出物理一致潜在对偶框架，通过联合学习编码器、解码器和潜在流映射，使潜在动力学满足守恒律、不变性和耗散结构，在保持代理模型预测精度的同时提高物理约束满足度和长期行为质量。

Comments 32 pages, 11 figures

2606.16607 2026-06-16 eess.SP cs.IT cs.LG math.IT 新提交 50%

面向无线系统中CSI压缩的上下文感知马尔可夫VAE

Efstathios Chatziloizos, Konstantinos Vandikas, Aneta Vulgarakis Feljan, Zheng Chen, Nikolaos Pappas

机构 * Ericsson Research（爱立信研究）； Knut and Alice Wallenberg Foundation（克努特和阿莉斯·瓦伦贝格基金会）； ELLIIT ； Lund University（隆德大学）

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

AI总结提出基于k-记忆马尔可夫变分自编码器的上下文感知压缩框架，利用有限时间窗口捕捉CSI在潜在空间中的演化，在低中压缩率下显著提升重构性能。

Comments 5 pages, 3 figures, 2 tables

2606.11162 2026-06-10 cs.LG 新提交 50%

COGENT: 基于神经常微分方程的连续图仿真器用于长期物理预测

Zesheng Liu, Maryam Rahnemoonfar

机构 * Lehigh University（理海大学）

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

AI总结提出COGENT，一种结合图编码器和神经常微分方程的连续图仿真器，用于不规则地理空间网格上的长期物理预测，通过连续潜在动力学实现任意时间预测，并采用滚动视界采样和渐进调度策略稳定训练，在冰盖模拟中展现出优于自回归图基线的长期稳定性。