机器人 / 具身智能

Learning Massively Multitask World Models for Continuous Control

学习大规模多任务世界模型用于连续控制

Nicklas Hansen, Hao Su, Xiaolong Wang

机构 * University of California San Diego（加州大学圣地亚哥分校） 纠错

专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.CV、cs.LG

AI总结 Newt通过大规模预训练和在线交互，实现智能体在数百个任务上的多任务学习，提升连续控制的效率和适应性。

Comments Webpage: https://www.nicklashansen.com/NewtWM

Vehicle Dynamics Embedded World Models for Autonomous Driving

用于自动驾驶的车辆动力学嵌入世界模型

Huiqian Li, Wei Pan, Haodong Zhang, Jin Huang, Zhihua Zhong

机构 * School of Vehicle and Mobility, Tsinghua University（清华大学车辆与移动系统学院） ； Department of Computer Science, The University of Manchester（曼彻斯特大学计算机科学系） ； Tsinghua University, Chinese Academy of Engineering（清华大学、中国工程院） 纠错

专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.AI

AI总结 本文提出VDD方法，通过分离车辆动力学与环境动力学建模，提升自动驾驶中对车辆参数变化的鲁棒性。

IC-World: In-Context Generation for Shared World Modeling

IC-World：基于上下文的共享世界建模生成

Fan Wu, Jiacheng Wei, Ruibo Li, Yi Xu, Junyou Li, Deheng Ye, Guosheng Lin

机构 * Nanyang Technological University（南洋理工大学） ； Goertek Alpha Labs（歌尔声学实验室） ； Tencent（腾讯） 纠错

专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV

AI总结 IC-World通过激活大视频模型的上下文生成能力，实现了多视角共享世界建模，通过强化学习和奖励模型提升生成视频的几何和运动一致性。

Comments codes:https://github.com/wufan-cse/IC-World

The brain-AI convergence: Predictive and generative world models for general-purpose computation

脑与人工智能的融合：面向通用计算的预测性和生成性世界模型

Shogo Ohmae, Keiko Ohmae

专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI

AI总结 本文探讨脑与AI在世界模型计算中的共同机制，揭示预测性与生成性模型如何实现通用计算及类人智能。

Comments 22 pages, 4 figures. Related to our earlier preprint "The brain versus AI" (arXiv:2411.16075) but a distinct article. The earlier work surveyed broad brain-AI parallels; here we focus on world-model-based computation and convergent evolution between the brain and AI, especially large language models