机器人 / 具身智能

Where Bits Matter in World Model Planning: A Paired Mixed-Bit Study for Efficient Spatial Reasoning

位在世界模型规划中的作用：一种混合位研究以实现高效的空问推理

Suraj Ranganath, Anish Patnaik, Vaishak Menon

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.AI、cs.CV

AI总结 本研究通过混合位方法探讨位分配对世界模型规划的影响，发现不同比特分配策略在空间推理中的表现差异显著，提出模块意识和预算意识的量化策略作为未来研究方向。

Comments Workshop submission

The Observer Effect in World Models: Invasive Adaptation Corrupts Latent Physics

世界模型中的观测效应：侵入性适应破坏潜在物理

Christian Internò, Jumpei Yamaguchi, Loren Amdahl-Culleton, Markus Olhofer, David Klindt, Barbara Hammer

机构 * Bielefeld University（比勒菲尔德大学） ； Tokyo Institute of Technology（东京技术大学） ； Simplex, Astera Institute（Simplex，Astera研究所） ； Honda Research Institute EU（本田欧洲研究院） ； Cold Spring Harbor Laboratory（冷泉港实验室） 纠错

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

AI总结 研究提出非侵入性评估方法PhyIP，发现低误差下的潜在结构可线性解码，而基于适应的评估会破坏结构，表明低容量探测器更准确。

Affordance-Graphed Task Worlds: Self-Evolving Task Generation for Scalable Embodied Learning

具身学习的可扩展任务生成：基于 affordance 的任务世界

Xiang Liu, Sen Cui, Guocai Yao, Zhong Cao, Jingheng Ma, Min Zhang, Changshui Zhang

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

AI总结 本文提出 AGT-World 框架，通过结构化图方法实现任务空间的精确分解，并结合混合反馈机制实现策略的自进化，从而提升机器人任务生成的可扩展性和泛化能力。