世界模型

Breaking Task Impasses Quickly: Adaptive Neuro-Symbolic Learning for Open-World Robotics

快速突破任务瓶颈：面向开放世界机器人的自适应神经符号学习

Pierrick Lorang

机构 * Human-Robot Interaction Lab, Tufts University（塔夫茨大学人机交互实验室） 纠错

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

AI总结 本文提出了一种自适应神经符号学习框架，通过整合符号学习与强化学习，提升机器人在开放世界中的快速适应能力与鲁棒性。

Comments IEEE ICRA 2025 Doctoral Consortium

SNOW: Spatio-Temporal Scene Understanding with World Knowledge for Open-World Embodied Reasoning

SNOW：基于世界知识的时空场景理解用于开放世界具身推理

Tin Stribor Sohn, Maximilian Dillitzer, Jason J. Corso, Eric Sax

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Esslingen University of Applied Sciences（埃斯林根应用科学大学） ； Dr. Ing. h.c. F. Porsche AG（德意志联邦汽车工业联合会） ； University of Michigan（密歇根大学） ； Voxel51 Inc.（Voxel51公司） 纠错

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

AI总结 SNOW通过整合视觉语言模型与点云几何，实现统一的4D场景理解，提升开放世界具身推理的性能。

R4: Retrieval-Augmented Reasoning for Vision-Language Models in 4D Spatio-Temporal Space

R4：在4D时空空间中为视觉语言模型引入检索增强推理

Tin Stribor Sohn, Maximilian Dillitzer, Jason J. Corso, Eric Sax

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Esslingen University of Applied Sciences（埃斯林根应用科学大学） ； Dr. Ing. h.c. F. Porsche AG（德意志联邦汽车工业协会） ； University of Michigan（密歇根大学） ； Voxel51 Inc.（Voxel51公司） 纠错

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

AI总结 R4通过构建4D时空知识库，使视觉语言模型具备结构化终身记忆，实现无需训练的检索增强推理，提升动态环境中的具身推理能力。

Generalizing Safety Beyond Collision-Avoidance via Latent-Space Reachability Analysis

通过潜在空间可达性分析超越碰撞回避的安全性泛化

Kensuke Nakamura, Lasse Peters, Andrea Bajcsy

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Delft University of Technology（代尔夫特理工大学） 纠错

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

AI总结 本文提出潜在安全过滤器，通过潜在空间可达性分析，使机器人能自动计算安全动作，防止难以手动编写但可通过高维观测识别的故障。

Comments 9 figures, 7 tables, RSS 2025

Journal ref Proceedings of Robotics: Science and Systems, 2025

Opinion: Towards Unified Expressive Policy Optimization for Robust Robot Learning

Haidong Huang, Haiyue Zhu. Jiayu Song, Xixin Zhao, Yaohua Zhou, Jiayi Zhang, Yuze Zhai, Xiaocong Li

机构 * Eastern Institute of Technology（东部技术研究所） ； University of Nottingham（诺丁汉大学） ； SIMTech, Agency for Science, Technology and Research (A*STAR)（SIMTech，科技研究局（A*STAR）） ； Southern University of Science and Technology（南方科技大学） 纠错

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

Comments Accepted by NeurIPS 2025 Workshop on Embodied World Models for Decision Making

Large VLM-based Vision-Language-Action Models for Robotic Manipulation: A Survey

Rui Shao, Wei Li, Lingsen Zhang, Renshan Zhang, Zhiyang Liu, Ran Chen, Liqiang Nie

机构 * School of Computer Science and Technology, Harbin Institute of Technology (Shenzhen)（计算机科学与技术学院，哈尔滨工业大学（深圳）） 纠错

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

Comments Project Page: https://github.com/JiuTian-VL/Large-VLM-based-VLA-for-Robotic-Manipulation

Beyond Pixels: Introducing Geometric-Semantic World Priors for Video-based Embodied Models via Spatio-temporal Alignment

Jinzhou Tang, Jusheng zhang, Sidi Liu, Waikit Xiu, Qinhan Lv, Xiying Li

专题命中 具身与机器人 ：world model(abstract)；world model(abstract)；分类 cs.AI、cs.CV

Bayesian Inverse Physics for Neuro-Symbolic Robot Learning

Octavio Arriaga, Rebecca Adam, Melvin Laux, Lisa Gutzeit, Marco Ragni, Jan Peters, Frank Kirchner

机构 * Robotics Research Group University of Bremen（不莱梅大学机器人研究组） ； Robotics Innovation Center DFKI GmbH（DFKI机器人创新中心） ； Technical University of Chemnitz（化学工业大学） ； Technical University of Darmstadt（图尔恩技术大学） ； Systems AI for Robot Learning DFKI GmbH（DFKI机器人学习系统AI） ； Robotics Research Group, University of Bremen（不莱梅大学机器人研究组） ； Robotics Innovation Center, DFKI GmbH（DFKI机器人创新中心） 纠错

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

Don't Let Your Robot be Harmful: Responsible Robotic Manipulation via Safety-as-Policy

Minheng Ni, Lei Zhang, Zihan Chen, Kaixin Bai, Zhaopeng Chen, Jianwei Zhang, Lei Zhang, Wangmeng Zuo

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

EnerVerse-AC: Envisioning Embodied Environments with Action Condition

Yuxin Jiang, Shengcong Chen, Siyuan Huang, Liliang Chen, Pengfei Zhou, Yue Liao, Xindong He, Chiming Liu, Hongsheng Li, Maoqing Yao, Guanghui Ren

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

Comments Website: https://annaj2178.github.io/EnerverseAC.github.io

From Foresight to Forethought: VLM-In-the-Loop Policy Steering via Latent Alignment

Yilin Wu, Ran Tian, Gokul Swamy, Andrea Bajcsy

机构 * Carnegie Mellon University（卡内基梅隆大学） ； UC Berkeley（伯克利大学） 纠错

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

From Understanding the World to Intervening in It: A Unified Multi-Scale Framework for Embodied Cognition

Maijunxian Wang

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

ManiGaussian: Dynamic Gaussian Splatting for Multi-task Robotic Manipulation

Guanxing Lu, Shiyi Zhang, Ziwei Wang, Changliu Liu, Jiwen Lu, Yansong Tang

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

Comments https://guanxinglu.github.io/ManiGaussian/

Robo360: A 3D Omnispective Multi-Material Robotic Manipulation Dataset

Litian Liang, Liuyu Bian, Caiwei Xiao, Jialin Zhang, Linghao Chen, Isabella Liu, Fanbo Xiang, Zhiao Huang, Hao Su

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

ENTL: Embodied Navigation Trajectory Learner

Klemen Kotar, Aaron Walsman, Roozbeh Mottaghi

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

DREAMWALKER: Mental Planning for Continuous Vision-Language Navigation

Hanqing Wang, Wei Liang, Luc Van Gool, Wenguan Wang

专题命中 具身与机器人 ：world model(abstract)；world model(abstract)；分类 cs.AI、cs.CV

Comments Accepted at ICCV 2023; Project page: https://github.com/hanqingwangai/Dreamwalker

Latent Emission-Augmented Perspective-Taking (LEAPT) for Human-Robot Interaction

Kaiqi Chen, Jing Yu Lim, Kingsley Kuan, Harold Soh

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

Towards Using Promises for Multi-Agent Cooperation in Goal Reasoning

Daniel Swoboda, Till Hofmann, Tarik Viehmann, Gerhard Lakemeyer

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

Comments Presented at the ICAPS'22 Workshop on Planning and Robotics (PlanRob)

NavDreams: Towards Camera-Only RL Navigation Among Humans

Daniel Dugas, Olov Andersson, Roland Siegwart, Jen Jen Chung

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

Learning Real-World Robot Policies by Dreaming

AJ Piergiovanni, Alan Wu, Michael S. Ryoo

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

Journal ref IROS 2019

Artificial Intelligence and Systems Theory: Applied to Cooperative Robots

Pedro U. Lima, Luis M. M. Custodio

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

Journal ref International Journal of Advanced Robotic Systems, ISSN 1729-8806, Volume 1, Number 3 September 2004, pp.141-148

Multi-robot Multi-source Localization in Complex Flows with Physics-Preserving Environment Models

Benjamin Shaffer, Victoria Edwards, Brooks Kinch, Nathaniel Trask, M. Ani Hsieh

机构 * University of Pennsylvania（宾夕法尼亚大学） ； College of the Atlantic（大西洋学院） 纠错

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

Learning Multimodal Latent Dynamics for Human-Robot Interaction

Vignesh Prasad, Lea Heitlinger, Dorothea Koert, Ruth Stock-Homburg, Jan Peters, Georgia Chalvatzaki

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

Comments Preprint version of paper accepted at IEEE T-RO. Project website: https://sites.google.com/view/mild-hri

Calibrated Predictive Safety for Heterogeneous Robots: An Action-Conditioned JEPA Framework with Model-Based Safety Shields

异构机器人的校准预测安全性：一种带基于模型安全盾的动作条件联合嵌入预测架构（JEPA）框架

Kaiming Zhong, Tianhua Liu, Yue Wang

机构 * Guangdong Bifang Intelligent Control Technology Co., Ltd.（广东毕方智能控制技术有限公司） 纠错

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

AI总结 本研究提出带基于模型安全盾的动作条件JEPA框架，用于异构机器人，可预测候选动作的任务进展与物理风险，在仿真中提升了成功率并降低碰撞漏报率。

Comments 17 pages, 9 figures. Simulation-only empirical results on LIBERO-Long (no real-robot experiments). Source, figure-generation scripts and reproducibility checklist included. Level-3 offline reranking significance test not executed; see Sec. 7 (Scope and honesty statement) for detailed disclosure

Embodied intelligent industrial robotics: Framework and techniques

具身智能工业机器人：框架与技术

Chaoran Zhang, Chenhao Zhang, Zhaobo Xu, Qinghongbing Xie, Jinliang Hou, Pingfa Feng, Long Zeng

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

AI总结 本文提出了一种新的基于知识的具身智能工业机器人框架，旨在提升工业机器人在复杂环境中的智能水平和应用潜力。

Comments 70 pages, 13 figures. The associated project can be found at https://github.com/jackyzengl/EIIR

Journal ref Journal of Manufacturing Systems 88 (2026) 158-189

JoyAI-RA 0.5: Scaling Robot Manipulation Learning via Dual Action Alignment

JoyAI-RA 0.5：通过双动作对齐扩展机器人操纵学习

RA Team

机构 * Joy Future Academy, JD（京东探索研究院） 纠错

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

AI总结 针对机器人操纵学习中异构数据的负迁移问题，提出 JoyAI-RA 0.5 框架，通过双动作对齐结合 VLWA 与强化学习，在 AgiBot 基准上实现性能提升，证明人类弱标注数据可作为扩展操纵能力的核心资源。

Comments Project Page: https://joyai-ra-05.github.io/

Hierarchical Denoising For Multi-Step Visual Reasoning

用于多步视觉推理的分层去噪

Zezhong Qian, Xiaowei Chi, Chak-Wing Mak, Tianze Zhou, Ruibin Yuan, Yuhan Rui, Hengzhe Sun, Zhuoqun Wu, Yuming Li, Siyuan Qian, Sirui Han, Shanghang Zhang

机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学计算机科学学院多媒体信息处理技术国家重点实验室） ； The Hong Kong University of Science and Technology（香港科技大学） ； Beihang University（北京航空航天大学） ； Fuzhou University（福州大学） ； Muka Robotics（木卡机器人） 纠错

专题命中 具身与机器人 ：world model(abstract)；world model(abstract)；分类 cs.CV

AI总结 研究针对视频模型多步推理不足的问题，提出HDR框架，通过树形层次结构和稀疏分层注意力模式进行多步推理，在新基准测试中提升了成功率和进度，推理更快，数据效率更高，在机器人实验中展现潜力。

Motubrain: An Advanced World Action Model for Robot Control

MotuBrain: 一种先进的世界动作模型用于机器人控制

Motubrain Team, Chendong Xiang, Fan Bao, Haitian Liu, Hengkai Tan, Hongzhe Bi, James Li, Jiabao Liu, Jingrui Pang, Kiro Jing, Louis Liu, Mengchen Cai, Rongxu Cui, Ruowen Zhao, Runqing Wang, Shuhe Huang, Yao Feng, Yinze Rong, Zeyuan Wang, Jun Zhu

机构 * MotuBrain Team（MotuBrain团队） 纠错

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

AI总结 MotuBrain提出一种统一的世界动作模型，结合视频和动作，支持多项任务，实现高效部署和高精度控制。

WALA Learning Executable Latent Actions from Action-Labeled Demonstrations and Action-Free Videos

WALA：从带动作标签的演示和无动作视频中学习可执行的潜在动作

Jiahao Liu, Zhongpu Xia, Shuai Tian, Huangrui Li, Yuhang Zheng, Ning Ma, Xin Fu, Xiaotian Liu, Jing Li, Yixian Li, ShangQing Zhou, Zebin Xing, Linbo Wang, Chaoyue Li, Haoran Li, Dongbin Zhao

机构 * CASIA（中国科学院自动化所） ； Anyverse Dynamics（Anyverse动力学公司） ； UCAS（中国科学院大学） ； NUS（新加坡国立大学） ； XJYLU（西安交通大学利物浦大学） 纠错

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

AI总结 研究从带动作标签演示和无动作视频学习可执行潜在动作的问题，提出WALA框架，先预训练语义几何潜在动作模型，策略训练时编码器和解码器协同，由多方面联合监督潜在动作，实验证明其提升了机器人策略性能和泛化能力。

Comments Project page: https://liujiahao2077.github.io/WALA.github.io

EgoSteer: A Full-Stack System Towards Steerable Dexterous Manipulation from Egocentric Videos

EgoSteer：一个用于从第一人称视角视频实现可控灵巧操作的全栈系统

Yifan Zhong, Zhang Chen, Tianrui Guan, Fanlian Zeng, Yuyao Ye, Tianjia He, Ka Nam Lui, Jiayi Li, Tingrui Zhang, Ruilin Yan, Xinhao Ji, Guangyu Zhao, Wenjie Lou, Jiayuan Zhang, Yuanpei Chen, Yaodong Yang

机构 * Institute for AI, PKU（北京大学人工智能研究院） ； PKU-PsiBot Joint Lab（北大-灵犀机器人联合实验室） ； UPenn（宾夕法尼亚大学） 纠错

专题命中 具身与机器人 ：world-model(abstract)；world-model(abstract)；分类 cs.RO

AI总结 针对灵巧手系统因缺乏数据而无可控性的问题，提出全栈系统EgoSteer，集成EgoSmith数据管道等，通过人类数据预训练赋予语言引导操作先验，经机器人后训练强化，能执行多样任务，还开源相关内容。