机器人 / 具身智能

MetaWorld: Skill Transfer and Composition in a Hierarchical World Model for Grounding High-Level Instructions

MetaWorld: 一个用于地面指令基础的分层世界模型中的技能迁移与组合

Yutong Shen, Hangxu Liu, Kailin Pei, Ruizhe Xia, Tongtong Feng

机构 * Beijing University of Technology（北京理工大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 MetaWorld通过整合语义规划与物理控制，利用专家策略迁移提升人形机器人在定位-操作任务中的性能。

Comments 8 pages, 4 figures, Submitted to ICLR 2026 World Model Workshop

A Mechanistic View on Video Generation as World Models: State and Dynamics

视频生成作为世界模型的机制视角：状态与动态

Luozhou Wang, Zhifei Chen, Yihua Du, Dongyu Yan, Wenhang Ge, Guibao Shen, Xinli Xu, Leyi Wu, Man Chen, Tianshuo Xu, Peiran Ren, Xin Tao, Pengfei Wan, Ying-Cong Chen

机构 * Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） ； Tongji University（同济大学） ； Kuaishou Technology（快手科技） 纠错

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

AI总结 本文提出基于状态构建和动态建模的视频生成新分类法，旨在提升视频生成模型的物理持续性和因果推理能力。

CASSANDRA: Programmatic and Probabilistic Learning and Inference for Stochastic World Modeling

CASSANDRA：面向随机世界建模的程序化与概率学习与推理

Panagiotis Lymperopoulos, Abhiramon Rajasekharan, Ian Berlot-Attwell, Stéphane Aroca-Ouellette, Kaheer Suleman

机构 * Skyfall AI ； Tufts University（塔夫茨大学） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） ； University of Toronto（多伦多大学） ； Vector Instiute（Vector研究所） 纠错

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

AI总结 CASSANDRA通过结合LLM的知识先验和概率图模型结构学习，提升随机世界建模中的转移预测与规划能力。

Comments 28 pages, 2 figures

AI and World Models

人工智能与世界模型

Robert Worden

专题命中 具身推理 ：world model(title,abstract)

AI总结 本文探讨了人工智能系统中世界模型的必要性，强调其在预测和控制人工智能行为后果中的关键作用，以及构建可靠世界模型的挑战。

Comments 15 pages, 2 figures

Semantic2D: Enabling Semantic Scene Understanding with 2D Lidar Alone

Semantic2D: 仅使用2D激光雷达实现语义场景理解

Zhanteng Xie, Yipeng Pan, Yinqiang Zhang, Jia Pan, Philip Dames

机构 * School of Computing and Data Science, The University of Hong Kong（计算与数据科学学院，香港大学） ； Department of Mechanical Engineering, Temple University（机械工程系， Temple大学） 纠错

专题命中 具身推理 ：navigation(abstract)；robotic(abstract)；分类 cs.RO

AI总结 Semantic2D通过仅使用2D激光雷达实现语义场景理解，提出首个公开数据集和细粒度分割算法，提升机器人导航性能。

Acoustic Field Video for Multimodal Scene Understanding

用于多模态场景理解的声学场视频

Daehwa Kim, Chris Harrison

专题命中 具身推理 ：robotics(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出声学场视频作为多模态场景理解的新输入方式，通过整合空间声学数据显著提升视觉-语言模型的性能。