世界模型

World Action Planner: Generalizable Decision-Making with Action-Conditioned World Models

世界动作规划器：基于动作条件世界模型的通用决策方法

Xiangcheng Zhang, Yilun Du

机构 * Harvard University（哈佛大学） 纠错

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

AI总结 本研究提出World Action Planner机器人规划系统，结合VLMs与多任务位姿图像条件世界模型，可迭代优化动作规划，在组合任务、新布局等场景中泛化性能优于VLAs、WAMs等端到端策略模型。

Comments Project page at worldactionplanner.github.io

Learning Safe Agent Behaviour from Human Preferences and Justifications via World Models

通过世界模型从人类偏好和理由中学习安全智能体行为

Ilias Kazantzidis, Timothy J. Norman, Yali Du, Christopher T. Freeman

机构 * University of Southampton（南安普顿大学） ； King’s College London（伦敦国王学院） 纠错

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

AI总结 研究在环境未知且无合适奖励函数时安全训练与部署智能体策略的问题，提出DROPJ方法，先学习世界模型，由人类在其中生成模拟轨迹并给出偏好及理由，据此训练奖励模型用于部署，实验表明该方法可降低训练成本、提升部署性能及安全性。

Comments 42 pages, 18 figures. Extended version of a paper presented at ICAART 2026; submitted for consideration in the ICAART 2026 post-publication selected-papers volume in Lecture Notes in Artificial Intelligence

World Models as Adversaries: Multi-Agent Self-Play Fine-Tuning for Robust Motion Planning

作为对手的世界模型：用于鲁棒运动规划的多智能体自我博弈微调

Tong Nie, Yuewen Mei, Junlin He, Yihong Tang, Jian Sun, Wei Ma

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Tongji University（同济大学） ； McGill University（麦吉尔大学） ； Mila-Quebec AI Institute（米拉-魁北克人工智能研究所） 纠错

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

AI总结 研究在密集交通中自动驾驶车辆鲁棒运动规划问题，提出对抗世界建模（AWM）框架，通过多智能体自我博弈微调，引入解耦求解器，经实验验证该方法能生成可转移对抗交互，使规划器在多种场景有竞争力。

Emergent Semantic Representations in World Models through Physical Interaction without Linguistic Supervision

无需语言监督的物理交互中世界模型中的涌现语义表征

Jiayi Fang

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 通过无语言监督的物理探索训练VAE世界模型，发现其潜在空间自发形成与物理几何结构对齐的语义结构，且预测性能与语义对齐共同提升，验证了物理几何作为世界模型表征的组织原则。

Comments 10 pages, 3 figures

Inverting the Bellman Equation: From $Q$-Values to World Models

逆推贝尔曼方程：从 $Q$ 值到世界模型

Alistair Letcher, Mattie Fellows, Alexander D. Goldie, Jonathan Richens, Jakob N. Foerster, Oliver Richardson

机构 * FLAIR, University of Oxford（FLAIR，牛津大学） ； Google DeepMind（谷歌DeepMind） ； Mila, University of Montreal（Mila，蒙特利尔大学） 纠错

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

AI总结 本文证明基于值的智能体在丰富奖励函数上训练时隐式编码世界模型，提出 $P$-learning 从 $Q$ 值提取模型，并给出编码真实转移核的充分条件，实验验证了隐式模型的准确性和泛化能力。

Comments 48 pages, 11 figures, 5 tables

Separable Neural Architectures as Physical World Models: from Mathematical Theory to Applications

可分离神经架构作为物理世界模型：从数学理论到应用

Reza T Batley, Andrew Kichline, Sourav Saha

机构 * Kevin T. Crofton Department of Aerospace and Ocean Engineering, Virginia Polytechnic Institute and State University（弗吉尼亚理工大学凯文·T·克罗夫顿航空航天与海洋工程系） 纠错

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

AI总结 提出可分离神经架构（SNA），结合神经逼近与张量分解，通过变分框架求解偏微分方程，实现高维问题代数级缩放，并在工程案例中取得显著加速。

Efficient Reinforcement Learning by Guiding World Models with Non-Curated Data

通过非策划数据引导世界模型的高效强化学习

Yi Zhao, Aidan Scannell, Wenshuai Zhao, Yuxin Hou, Tianyu Cui, Le Chen, Dieter Büchler, Arno Solin, Juho Kannala, Joni Pajarinen

机构 * Aalto University（阿alto大学） ； University of Edinburgh（爱丁堡大学） ； ELLIS Institute Finland（芬兰ELLIS研究所） ； Deep Render ； Imperial College London（伦敦帝国理工学院） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； CIFAR AI Chair（CIFAR人工智能主席） ； University of Alberta（阿尔伯塔大学） ； Alberta Machine Intelligence Institute (Amii)（阿尔伯塔机器智能研究所（Amii）） ； University of Oulu（奥卢大学） 纠错

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

AI总结 提出利用无奖励、混合质量、多本体的非策划离线数据，通过经验回放和执行引导技术解决分布偏移问题，显著提升在线强化学习的样本效率。

In-Context Reinforcement Learning via Communicative World Models

通过通信世界模型进行上下文强化学习

Fernando Martinez-Lopez, Tao Li, Yingdong Lu, Juntao Chen

机构 * Department of Computer and Information Sciences, Fordham University（福特汉姆大学计算机与信息科学系） ； Department of Systems Engineering, City University of Hong Kong（香港城市大学系统工程系） ； IBM Research（IBM研究院） 纠错

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

AI总结 提出CORAL框架，通过将潜在表示学习与控制分离，利用信息代理预训练世界模型并生成通信消息，使控制代理实现零样本适应和样本效率提升。

AirDreamer: Generalist Drone Navigation with World Models

AirDreamer: 基于世界模型的通用无人机导航

Zian Liu, Andong Yang, Chunkai Yang, Ruidong An, Chao Gao, Guyue Zhou

机构 * Institute for AI Industry Research, Tsinghua University, Beijing, China（人工智能产业研究院，清华大学，北京，中国） ； Department of Electronic Engineering, Tsinghua University, Beijing, China（电子工程系，清华大学，北京，中国） ； School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, China（遥感与信息工程学院，武汉大学，武汉，中国） 纠错

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

AI总结 提出一种结合强化学习策略和世界模型理解的无人机导航框架，通过稀疏奖励函数避免局部最优，在复杂未知环境中实现优于基线5.3%的成功率，并支持零调参的仿真到现实迁移。

Comments 8 pages, 8 figures

RoboDream: Compositional World Models for Scalable Robot Data Synthesis

RoboDream: 用于可扩展机器人数据合成的组合世界模型

Junjie Ye, Rong Xue, Basile Van Hoorick, Runhao Li, Harshitha Rajaprakash, Pavel Tokmakov, Muhammad Zubair Irshad, Vitor Guizilini, Yue Wang

机构 * USC Physical Superintelligence (PSI) Lab（USC物理超智能实验室） ； Toyota Research Institute（丰田研究院） 纠错

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

AI总结 提出一种以具身为中心的组合世界模型，通过将轨迹执行与环境合成解耦，实现从新视角、新场景和新物体中合成逼真演示数据，并展示其在数据扩展和减少真实数据需求方面的有效性。

Comments Project page: https://junjieye.com/RoboDream/

Behavior-Invariant Task Representation Learning with Transformer-based World Models for Offline Meta-Reinforcement Learning

基于Transformer世界模型的行为不变任务表示学习用于离线元强化学习

Fuyuan Qian, Menglong Zhang, Song Wang, Quanying Liu

机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 提出一种结合信息论任务表示学习与Transformer随机世界模型的框架，通过提取行为不变的任务变量和保守值惩罚，解决离线元强化学习中的分布偏移和稀疏奖励问题，实现鲁棒泛化。

Comments ICML2026

Factored Latent Action World Models

因子化潜在动作世界模型

Zizhao Wang, Chang Shi, Jiaheng Hu, Kevin Rohling, Roberto Martín-Martín, Amy Zhang, Peter Stone

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 提出因子化潜在动作模型（FLAM），通过将场景分解为独立因子并学习各自的潜在动作，提升了无动作视频中多实体动态建模的准确性和视频生成质量。

Transformers Linearly Represent Highly Structured World Models

Transformer 通过线性方式表示高度结构化的世界模型

Roman Kniazev, Nathanaël Fijalkow

机构 * LaBRI, CNRS University of Bordeaux（LaBRI、CNRS 波尔多大学） 纠错

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

AI总结 研究探讨了Transformer在训练过程中是否能构建任务的内部模型，并发现其内部表示结构与领域结构相匹配，通过Sudoku求解轨迹训练的Transformer展示了其内部计算机制和稀疏可解释的决策电路。

One Token Per Frame: Reconsidering Visual Bandwidth in World Models for VLA Policy

每帧一个令牌：重新考虑世界模型中的视觉带宽

Zuojin Tang, Shengchao Yuan, Xiaoxin Bai, Zhiyuan Jing, De Ma, Gang Pan, Bin Liu

机构 * Zhejiang University（浙江大学） ； Central South University（中南大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Embodied Intelligence General Platform Laboratory, Chery Auto（奇瑞汽车 embodied intelligence 通用平台实验室） ； E-surfing Digital Life Technology Co., Ltd., China Telecom（亿联数字生活技术有限公司，中国电信） 纠错

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

AI总结 本文提出OneWM-VLA，通过自适应注意力池化将每帧视图压缩为一个语义令牌，以单一流匹配目标生成潜在流和动作轨迹，从而减少每帧视觉带宽而不影响长视界性能。

MolWorld: Molecule World Models for Actionable Molecular Optimization

MolWorld: 用于可操作分子优化的分子世界模型

Yang Qiao, Bo Pan, Hao-Wei Pang, Peter Zhiping Zhang, Liying Zhang, Liang Zhao

机构 * Emory University（埃默里大学） ； Merck & Co., Inc.（默克公司） 纠错

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

AI总结 MolWorld通过分子转移图的序列扩展实现可操作分子优化，通过学习世界模型增强分子结构连接性，提升分子设计的可行性和连续性。

Cortex 2.0: Grounding World Models in Real-World Industrial Deployment

Cortex 2.0：在真实工业部署中将世界模型接地

Adriana Aida, Walida Amer, Katarina Bankovic, Dhruv Behl, Fabian Busch, Annie Bhalla, Minh Duong, Florian Gienger, Rohan Godse, Denis Grachev, Ralf Gulde, Elisa Hagensieker, Junpeng Hu, Shivam Joshi, Tobias Knoblauch, Likith Kumar, Damien LaRocque, Keerthana Lokesh, Omar Moured, Khiem Nguyen, Christian Preyss, Ranjith Sriganesan, Vikram Singh, Carsten Sponner, Anh Tong, Dominik Tuscher, Marc Tuscher, Pavan Upputuri

机构 * Sereact GmbH（Sereact公司） 纠错

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

AI总结 Cortex 2.0通过在视觉潜在空间中生成候选未来轨迹并评分，实现了从反应式控制到计划与行动的转变，展示了在复杂工业环境中可靠的世界模型规划。

Comments 20 pages, 13 figures

Learning Ad Hoc Network Dynamics via Graph-Structured World Models

通过图结构世界模型学习随机网络动态

Can Karacelebi, Yusuf Talha Sahin, Elif Surer, Ertan Onur

机构 * Department of Computer Engineering, Middle East Technical University, Ankara, Turkiye（中东部技术大学计算机工程系） ； Graduate School of Informatics, Middle East Technical University, Ankara, Turkiye（中东部技术大学信息学院） 纠错

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

AI总结 本文提出G-RSSM模型，通过图结构学习无线网络动态，应用于聚类任务，展示在不同规模网络中有效维持连通性。

Comments 6 pages, 4 figures. Submitted to the IEEE Global Communications Conference (GLOBECOM) 2026

Zero-shot World Models Are Developmentally Efficient Learners

零 shot 世界模型是发展性高效学习者

Khai Loong Aw, Klemen Kotar, Wanhee Lee, Seungwoo Kim, Khaled Jedoui, Rahul Venkatesh, Lilian Naing Chen, Michael C. Frank, Daniel L. K. Yamins

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

AI总结 本文提出零 shot 视觉世界模型（ZWM），基于稀疏时间因子预测器、零 shot 估计和推理组合，展示了其在单个儿童第一人称经验中快速生成多物理理解基准能力，复现儿童发展行为特征，为高效灵活学习提供蓝图。

X-World: Controllable Ego-Centric Multi-Camera World Models for Scalable End-to-End Driving

X-World: 可控的以自身为中心的多摄像头世界模型用于可扩展的端到端驾驶

Chaoda Zheng, Sean Li, Jinhao Deng, Zhennan Wang, Shijia Chen, Liqiang Xiao, Ziheng Chi, Hongbin Lin, Kangjie Chen, Boyang Wang, Yu Zhang, Xianming Liu

机构 * GWM Team（长城汽车团队） ； XPeng Inc.（小鹏汽车） 纠错

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

AI总结 X-World通过可控的多摄像头生成世界模型，实现高质量多视角视频生成，支持跨摄像头一致性、长时间动态稳定性和严格动作遵循，为可扩展的端到端驾驶评估提供基础。

Comments Technical Report

Enactor: From Traffic Simulators to Surrogate World Models

Enactor：从交通模拟器到替代世界模型

Yash Ranjan, Rahul Sengupta, Anand Rangarajan, Sanjay Ranka

机构 * Department of CISE, University of Florida（佛罗里达大学计算机与信息科学系） 纠错

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

AI总结 本文提出一种基于transformer的生成模型，用于捕捉交通参与者间的复杂交互并生成物理一致的轨迹，通过模拟循环测试，展示了在长时间范围内优于传统方法的性能。

Foundational World Models Accurately Detect Bimanual Manipulator Failures

基础世界模型准确检测双臂机械臂故障

Isaac R. Ward, Michelle Ho, Houjun Liu, Aaron Feldman, Joseph Vincent, Liam Kruse, Sean Cheong, Duncan Eddy, Mykel J. Kochenderfer, Mac Schwager

机构 * Stanford University（斯坦福大学） ； Watney Robotics（Watney机器人公司） 纠错

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

AI总结 本文提出基于视觉基础模型的双臂机械臂故障检测方法，通过压缩潜在空间中的世界模型提升检测精度，相比传统方法在参数效率和故障检测率上均表现更优。

Comments 8 pages, 5 figures, accepted at the 2026 IEEE International Conference on Robotics and Automation

CWM: Contrastive World Models for Action Feasibility Learning in Embodied Agent Pipelines

CWM: 用于具身智能体流水线中动作可行性学习的对比世界模型

Chayan Banerjee

机构 * School of Electrical Engineering and Robotics, Queensland University of Technology（电气工程与机器人学学院，昆士兰理工大学） 纠错

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

AI总结 CWM通过对比训练提升动作可行性评分，优于SFT方法，提升精度并增强安全性。

Cold-Start Personalization via Training-Free Priors from Structured World Models

冷启动个性化通过从结构化世界模型中训练无关先验进行个性化

Avinandan Bose, Shuyue Stella Li, Faeze Brahman, Pang Wei Koh, Simon Shaolei Du, Yulia Tsvetkov, Maryam Fazel, Lin Xiao, Asli Celikyilmaz

机构 * Meta ； University of Washington（华盛顿大学） ； Allen Institute for AI（人工智能研究院） 纠错

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

AI总结 Pep通过结构化世界模型和贝叶斯推断实现冷启动个性化，相比强化学习更高效且能更准确预测用户偏好。

Comments 24 pages, 4 figures, 4 tables

World of Workflows: A Benchmark for Bringing World Models to Enterprise Systems

世界工作流：一个将世界模型引入企业系统的基准

Lakshya Gupta, Litao Li, Yizhe Liu, Sriram Ganapathi Subramanian, Kaheer Suleman, Zichen Zhang, Haoye Lu, Sumit Pasupalak

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

AI总结 World of Workflows提出一个基于ServiceNow的企业系统基准，揭示前沿LLMs在动态建模中的盲区，并强调基于现实世界建模的可靠性需求。

SafePred: A Predictive Guardrail for Computer-Using Agents via World Models

SafePred: 通过世界模型为计算机使用代理构建一种预测性防护措施

Yurun Chen, Zeyi Liao, Ping Yin, Taotao Xie, Keting Yin, Shengyu Zhang

机构 * Zhejiang University, China（浙江大学） ； The Ohio State University, USA（俄亥俄州立大学） 纠错

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

AI总结 SafePred通过世界模型预测未来风险，构建风险到决策的循环，提升计算机使用代理的安全性和任务效率。

Deep SPI: Safe Policy Improvement via World Models

深度SPI：通过世界模型实现安全策略改进

Florent Delgrange, Raphael Avalos, Willem Röpke

机构 * AI Lab, Vrije Universiteit Brussel（人工智能实验室，布鲁塞尔自由大学） ； Cohere 纠错

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

AI总结 DeepSPI通过结合世界模型和表示学习，提出了一种在线策略改进算法，在保持理论保证的同时在ALE-57基准中表现优异。

Comments ICLR 2026, 10 pages main text, 21 pages appendix (excluding references)

Dynamics-Aligned Latent Imagination in Contextual World Models for Zero-Shot Generalization

情境世界模型中的动态对齐潜在想象用于零样本泛化

Frank Röder, Jan Benad, Manfred Eppe, Pradeep Kr. Banerjee

机构 * Institute for Data Science Foundations（数据科学基础研究所） 纠错

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

AI总结 DALI通过动态对齐潜在想象在情境世界模型中实现零样本泛化，通过自监督编码器预测前向动力学，连接感知与控制，提升情境适应能力。

Comments 36 pages, 6 figures, accepted to NeurIPS 2025

Explicit World Models for Reliable Human-Robot Collaboration

显式世界模型以实现可靠的人机协作

Kenneth Kwok, Basura Fernando, Qianli Xu, Vigneshwaran Subbaraju, Dongkyu Choi, Boon Kiat Quek

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

AI总结 本文提出通过构建显式世界模型来实现可靠的显式人机协作，强调动态模糊的人机交互需求。

Comments Accepted to AAAI-26 Bridge Program B10: Making Embodied AI Reliable with Testing and Formal Verification

What Has a Foundation Model Found? Using Inductive Bias to Probe for World Models

基础模型发现了什么？利用归纳偏置来探测世界模型

Keyon Vafa, Peter G. Chang, Ashesh Rambachan, Sendhil Mullainathan

机构 * Harvard University（哈佛大学） ； MIT（麻省理工学院） 纠错

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

AI总结 该研究通过归纳偏置探测技术揭示基础模型在适应新任务时无法捕捉底层世界模型结构的问题。

Comments To appear in ICML 2025

DriveVLA-W0: World Models Amplify Data Scaling Law in Autonomous Driving

DriveVLA-W0：世界模型放大数据扩展定律在自动驾驶中的应用

Yingyan Li, Shuyao Shang, Weisong Liu, Bing Zhan, Haochen Wang, Yuqi Wang, Yuntao Chen, Xiaoman Wang, Yasong An, Chufeng Tang, Lu Hou, Lue Fan, Zhaoxiang Zhang

机构 * NLPR, Institute of Automation, Chinese Academy of Sciences (CASIA)（国家工程实验室、自动化研究所、中国科学院（CASIA）） ； Yinwang Intelligent Technology Co. Ltd.（云网智能科技有限公司） 纠错

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

AI总结 DriveVLA-W0通过世界建模预测未来图像，提升自动驾驶中数据扩展定律，实现更高效的驾驶智能。