世界模型

NaviAIS: A Scenario-Level Vessel Trajectory Prediction Dataset withVectorized Lane Priors and the NaviLane Forecasting Framework

NaviAIS：一个具有矢量化航道先验的场景级船舶轨迹预测数据集及NaviLane预测框架

Yuan Gui, Hongchen Luo, Liqi Qu, Longyue Fu, Jiao Wang

机构 * Northeastern University（东北大学） 纠错

专题命中 仿真与规划 ：world-model(abstract)；world-model(abstract)；分类 cs.AI

AI总结 研究针对复杂海洋环境下船舶轨迹预测问题，引入NaviAIS数据集并提出NaviLane框架，通过轨迹-地图联合编码、离散宏动作码本及模块优化评估等方法，提升船舶轨迹预测性能，优于现有基线。

Planning with Transformers: Chain of Computation and Structured Context Windows

使用Transformer进行规划：计算链与结构化上下文窗口

Ehsan Futuhi, Nathan R. Sturtevant

机构 * Department of Computing Science, University of Alberta（阿尔伯塔大学计算科学系） ； Alberta Machine Intelligence Institute (Amii)（阿尔伯塔机器智能研究所） 纠错

专题命中 仿真与规划 ：world model(abstract)；world model(abstract)；分类 cs.LG

AI总结 研究大语言模型解决规划问题的不足，提出计算链架构，利用结构化上下文窗口，让语言模型学习规划策略、预测世界模型并执行算术运算，在多个任务上取得高成功率，能解决复杂汉诺塔问题且减少训练数据。

Mini Amusement Parks (MAPs): A Testbed for Modelling Business Decisions

迷你游乐园（MAPs）：一个用于模拟商业决策的测试平台

Stéphane Aroca-Ouellette, Ian Berlot-Attwell, Panagiotis Lymperopoulos, Abhiramon Rajasekharan, Tongqi Zhu, Herin Kang, Kaheer Suleman, Sam Pasupalak

专题命中 仿真与规划 ：world model(abstract)；world model(abstract)；分类 cs.AI

AI总结 介绍用于评估智能体决策能力的游乐园模拟器Mini Amusement Parks (MAPs)，统一现实决策多方面挑战，提供人类基线和对先进语言模型智能体的评估，发现人类表现更优并揭示智能体在多方面的弱点，为基准测试适应性决策智能体提供新基础。

Comments 9 pages (main paper)

Infinite Worlds with Versatile Interactions

具有通用交互的无限世界

Zelin Gao, Qiuyu Wang, Jiapeng Zhu, Jingye Chen, Zichen Liu, Qingyan Bai, Jiahao Wang, Yufeng Yuan, Hanlin Wang, Yichong Lu, Ka Leong Cheng, Haojie Zhang, Jian Gao, Tianrui Feng, Yuzheng Liu, Yao Yao, Yinghao Xu, Xing Zhu, Yujun Shen, Hao Ouyang

专题命中 仿真与规划 ：world model(abstract)；world model(abstract)；分类 cs.CV

AI总结 介绍LingBot-World 2.0的升级，包括通过因果预训练实现无界交互、提炼实时变体保证快速响应，引入多样交互元素，集成智能控制并开发共享界面，还将主模型与轻量级模型配对便于单GPU部署。

Comments Project page: https://technology.robbyant.com/lingbot-world-v2 Code: https://github.com/robbyant/lingbot-world-v2

On Sample-Efficient Generalized Planning via Learned Transition Models

基于学习转移模型的高效通用规划

Nitin Gupta, Vishal Pallagani, John A. Aydin, Biplav Srivastava

专题命中 仿真与规划 ：world model(abstract)；world model(abstract)；分类 cs.AI

AI总结 本文提出通过学习转移模型实现高效通用规划，通过显式建模领域动态，相比直接预测动作序列，在多个领域中以更少样本和更小模型获得更高的离分布满足计划成功率。

Comments 14 pages; Extended version of short paper accepted at ICAPS 2026; updated with results and analysis

G-MAPP: GPU-accelerated Multi-Agent Planning and Perception for Reactive Motion Generation

G-MAPP: 基于GPU加速的多智能体规划与感知用于反应式运动生成

Tanmay Bishnoi, Riddhiman Laha, Tobias Löw, Jose Alex Chandy, Luis F. C. Figueredo, Sami Haddadin

机构 * Department of Electrical, Computer, and Biomedical Engineering, Toronto Metropolitan University（多伦多都会大学电气、计算机与生物医学工程系） ； Munich Institute of Robotics and Machine Intelligence (MIRMI), Technical University of Munich (TUM)（慕尼黑工业大学慕尼黑机器人与机器智能研究所） ； Institute for Experiential Robotics, Northeastern University（东北大学体验式机器人研究所） ； Idiap Research Institute（Idiap 研究所） ； EPFL（瑞士联邦理工学院洛桑） ； CHART Group at the School of Computer Science, University of Nottingham（诺丁汉大学计算机科学学院 CHART 小组） ； Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学） 纠错

专题命中 仿真与规划 ：world model(abstract)；world model(abstract)；分类 cs.RO

AI总结 提出GPU加速的框架，通过并行状态探索和紧密耦合感知-动作循环，实现非结构化环境中的实时反应式运动生成，在7自由度机器人上达到5倍加速并成功避障。

Comments The implementation is available at: https://github.com/chart-research/g-mapp

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 6, pp. 7516-7523, June 2026

Thinking with Imagination: Agentic Visual Spatial Reasoning with World Simulators

思考与想象：基于世界模拟器的智能视觉空间推理

Chenming Zhu, Jingli Lin, Yilin Long, Peizhou Cao, Tai Wang, Jiangmiao Pang, Xihui Liu

机构 * The University of Hong Kong（香港大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Beihang University（北航大学） 纠错

专题命中 仿真与规划 ：world-model(abstract)；world-model(abstract)；分类 cs.CV

AI总结 提出Astra框架，通过强化学习训练VLM策略与Bagel世界模拟器交互，在推理中生成想象视觉证据，解决空间推理中的未观察布局、跨视角一致性和替代视角推理问题。

Comments Project page: https://zcmax.github.io/projects/Thinking-With-Imagination

GeoSem-WAM: Geometry- and Semantic-Aware World Action Models

GeoSem-WAM：几何与语义感知的世界动作模型

Fulong Ma, Daojie Peng, Wenjun Yue, Jiahang Cao, Bintao Wang, Qiang Zhang, Jun Ma

机构 * HKUST(GZ)（香港科技大学（广州）） ； HKU（香港大学） ； USTC（中国科学技术大学） ； SDU（山东大学） ； X-Humaniod 纠错

专题命中 仿真与规划 ：world model(abstract)；world model(abstract)；分类 cs.RO

AI总结 提出GeoSem-WAM框架，通过几何和语义监督增强潜在表示，在统一潜在空间中联合捕捉场景动态、空间几何和语义上下文，避免测试时显式未来展开或视频生成，提升动作预测准确性和鲁棒性。

Dreaming Across Towns: Semantic Rollout and Town-Adversarial Regularization for Zero-Shot Held-Out-Town Fixed-Route Driving in CARLA

跨城镇驾驶：面向CARLA零样本未见城镇固定路线驾驶的语义展开与城镇对抗正则化

Feeza Khan Khanzada, Jaerock Kwon

机构 * Department of Electrical and Computer Engineering, University of Michigan–Dearborn（密歇根大学迪尔伯恩分校电子与计算机工程系） 纠错

专题命中 仿真与规划 ：world-model(abstract)；world-model(abstract)；分类 cs.RO

AI总结 提出一种结合未来语义预测与城镇对抗正则化的训练方法，在仅使用Town05和Town06训练的情况下，提升CARLA驾驶代理在未见城镇Town03和Town04上的零样本迁移性能。

Data-Asymmetric Latent Imagination and Reranking for 3D Robotic Imitation Learning

数据不对称潜在想象与重排序在3D机器人模仿学习中的应用

Lianghao Luo, Xizhou Bu, Ruyan Liu, Qingqiu Huang, Chufeng Tang, Xiaoshuai Hao, Hongbo Wang, Wei Li

专题命中 仿真与规划 ：world model(abstract)；world model(abstract)；分类 cs.RO

AI总结 本文提出DALI-R框架，通过潜在世界模型和任务完成评分器，利用混合质量轨迹提升3D机器人模仿学习的决策能力，无需额外高质量示范。

Seemingly Simple Planning Problems are Computationally Challenging: The Countdown Game

看似简单的规划问题具有计算挑战性：倒计时游戏

Michael Katz, Harsha Kokel, Sarath Sreedharan

机构 * IBM T. J. Watson Research Center（IBM T. J. Watson 研究中心） ； IBM San Jose（IBM 圣何塞） ； Colorado State University（科罗拉多州立大学） 纠错

专题命中 仿真与规划 ：world-model(abstract)；world-model(abstract)；分类 cs.AI

AI总结 本文提出基于倒计时游戏的规划基准，该问题具有NP完全复杂性，能有效评估规划能力，实验显示现有LLM方法在该基准上仍面临挑战。

DAVIS: Planning Agent with Knowledge Graph-Powered Inner Monologue

DAVIS：基于知识图谱的规划代理

Minh Pham Dinh, Munira Syed, Michael G Yankoski, Trenton W. Ford

机构 * Davis Institute for Artificial Intelligence（戴维斯人工智能研究所） ； Colby College（科伯学院） ； University of Notre Dame（圣约翰大学） ； William & Mary（威廉与玛丽学院） 纠错

专题命中 仿真与规划 ：world model(abstract)；world model(abstract)；分类 cs.AI

AI总结 本文提出DAVIS，一种基于知识图谱的规划代理，通过结构化和时间记忆实现模型驱动规划，并采用多轮检索系统提升科学任务处理能力，在ScienceWorld基准测试中表现优异。

Comments Accepted to EMNLP 2025 Findings

PlayerOne: Egocentric World Simulator

PlayerOne：第一人称真实世界模拟器

Yuanpeng Tu, Hao Luo, Xi Chen, Xiang Bai, Fan Wang, Hengshuang Zhao

机构 * HKU（香港大学） ； DAMO Academy, Alibaba Group（阿里云达摩院） ； Hupan Lab（华盘实验室） ； HUST（华中科技大学） 纠错

专题命中 仿真与规划 ：world model(abstract)；world model(abstract)；分类 cs.CV

AI总结 PlayerOne通过第一人称真实世界模拟器实现了沉浸式探索，通过粗到细的训练流程和部分解耦运动注入方案，实现了对人类运动的精确控制和多样化场景的一致建模。

Comments Project page: https://playerone-hku.github.io/

Query-Efficient Planning with Language Models

Gonzalo Gonzalez-Pumariega, Wayne Chen, Kushal Kedia, Sanjiban Choudhury

专题命中 仿真与规划 ：world model(abstract)；world model(abstract)；分类 cs.AI

Comments 11 pages (not including references or appendix); 13 figures (9 main paper, 4 appendix); (v1) preprint

Speeding Up Optimization-based Motion Planning through Deep Learning

Johannes Tenhumberg, Darius Burschka, Berthold Bäuml

专题命中 仿真与规划 ：world model(abstract)；world model(abstract)；分类 cs.RO

Journal ref 2022 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)

Flexible and Adaptive Manufacturing by Complementing Knowledge Representation, Reasoning and Planning with Reinforcement Learning

Matthias Mayr, Faseeh Ahmad, Volker Krueger

专题命中 仿真与规划 ：world model(abstract)；world model(abstract)；分类 cs.RO

Comments 3 pages, 2 figures. Presented at the IROS 2023 Workshop on Robotics & AI in Future Factory

Large Language Models as Commonsense Knowledge for Large-Scale Task Planning

Zirui Zhao, Wee Sun Lee, David Hsu

专题命中 仿真与规划 ：world model(abstract)；world model(abstract)；分类 cs.RO

Comments In Proceedings of NeurIPS 2023

Towards biologically plausible Dreaming and Planning in recurrent spiking networks

Cristiano Capone, Pier Stanislao Paolucci

专题命中 仿真与规划 ：world-model(abstract)；world-model(abstract)；分类 cs.LG

Task Scoping: Generating Task-Specific Abstractions for Planning in Open-Scope Models

Michael Fishman, Nishanth Kumar, Cameron Allen, Natasha Danas, Michael Littman, Stefanie Tellex, George Konidaris

专题命中 仿真与规划 ：world model(abstract)；world model(abstract)；分类 cs.AI

UrbanFly: Uncertainty-Aware Planning for Navigation Amongst High-Rises with Monocular Visual-Inertial SLAM Maps

Sudarshan S Harithas, Ayyappa Swamy Thatavarthy, Gurkirat Singh, Arun K Singh, K Madhava Krishna

专题命中 仿真与规划 ：world model(abstract)；world model(abstract)；分类 cs.RO

Comments Submitted to ACC 2023, Code available at https://github.com/sudarshan-s-harithas/UrbanFly

Counterfactual Planning in AGI Systems

Koen Holtman

专题命中 仿真与规划 ：world model(abstract)；world model(abstract)；分类 cs.AI

Evolutionary Planning in Latent Space

Thor V. A. N. Olesen, Dennis T. T. Nguyen, Rasmus Berg Palm, Sebastian Risi

专题命中 仿真与规划 ：world model(abstract)；world model(abstract)；分类 cs.LG

Comments Code to reproduce the experiments are available at https://github.com/two2tee/WorldModelPlanning Video of driving performance is available at https://youtu.be/3M39QgeF27U

Learning Latent State Spaces for Planning through Reward Prediction

Aaron Havens, Yi Ouyang, Prabhat Nagarajan, Yasuhiro Fujita

专题命中 仿真与规划 ：latent dynamics(abstract)；model-based reinforcement learning(abstract)；分类 cs.AI、cs.LG；dynamics model(abstract)

Comments Deep RL Workshop, Neurips 2019, Vancouver

Psychologically inspired planning method for smart relocation task

Aleksandr I. Panov, Konstantin Yakovlev

专题命中 仿真与规划 ：world model(abstract)；world model(abstract)；分类 cs.AI

Comments As submitted to the 7th International Conference on Biologically Inspired Cognitive Architectures (BICA 2016), New-York, USA, July 16-19 2016

Planning with Noisy Probabilistic Relational Rules

Tobias Lang, Marc Toussaint

专题命中 仿真与规划 ：world model(abstract)；world model(abstract)；分类 cs.AI

Journal ref Journal Of Artificial Intelligence Research, Volume 39, pages 1-49, 2010

Latent Dynamics-Aware OOD Monitoring for Trajectory Prediction with Provable Guarantees

隐式动态感知的领域外监测用于轨迹预测的可证明保障

Tongfei Guo, Lili Su

专题命中 仿真与规划 ：latent dynamics(title)；分类 cs.RO

AI总结 本文提出基于快速突变点检测的轨迹预测领域外监测方法，通过隐马尔可夫模型建模预测误差演化，实现无需显式知识的领域外检测并保证延迟和误报率的可证明保障。

Bootstrapped model learning and error correction for planning with uncertainty in model-based RL

Alvaro Ovalle, Simon M. Lucas

专题命中 仿真与规划 ：model-based RL(title)；分类 cs.LG

Deliberate Planning in Language Models with Symbolic Representation

Siheng Xiong, Zhangding Liu, Jieyu Zhou, Yusen Su

机构 * Georgia Institute of Technology, Atlanta, GA 30332 USA（佐治亚理工学院） 纠错

专题命中 仿真与规划 ：world model(abstract)；world model(abstract)

Comments Accepted to Twelfth Annual Conference on Advances in Cognitive Systems

MBDP: A Model-based Approach to Achieve both Robustness and Sample Efficiency via Double Dropout Planning

Wanpeng Zhang, Xi Xiao, Yao Yao, Mingzhe Chen, Dijun Luo

专题命中 仿真与规划 ：model-based reinforcement learning(abstract)；model-based RL(abstract)；分类 cs.LG；dynamics model(abstract)

Dream and Search to Control: Latent Space Planning for Continuous Control

Anurag Koul, Varun V. Kumar, Alan Fern, Somdeb Majumdar

专题命中 仿真与规划 ：latent dynamics(abstract)；model-based reinforcement learning(abstract)；分类 cs.AI、cs.LG

Comments Preprint