视觉与机器人

机器人 / 具身智能

机器人、具身智能、机器人学习、操作、导航和具身世界模型。

2026-03-04 至 2026-03-04 共收录 3 篇信号源：cs.RO, cs.AI, cs.CV, cs.LG

1. 具身推理 3 篇

2603.03195 2026-03-04 cs.CV cs.AI cs.RO 82%

Chain of World: World Model Thinking in Latent Motion

链式世界：潜在运动中的世界模型思维

Fuxiang Yang, Donglin Di, Lulu Tang, Xuancheng Zhang, Lei Fan, Hao Li, Chen Wei, Tonghua Su, Baorui Ma

机构 * Harbin Institute of Technology（哈尔滨工业大学）； Li Auto ； Beijing Academy of Artificial Intelligence (BAAI)（北京人工智能研究院）； University of New South Wales（新南威尔士大学）； Chongqing Research Institute of HIT（哈尔滨工业大学重庆研究院）； Peking University（北京大学）

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

AI总结 CoWVLA通过统一世界模型的时间推理与解耦的潜在运动表示，提升视觉-运动学习效率。

Comments Accepted by CVPR2026. Project page: https://fx-hit.github.io/cowvla-io/

2603.02935 2026-03-04 cs.LG 79%

Contextual Latent World Models for Offline Meta Reinforcement Learning

上下文潜在世界模型用于离线元强化学习

Mohammadreza Nakheai, Aidan Scannell, Kevin Luck, Joni Pajarinen

机构 * Aalto University（阿alto大学）； University of Edinburgh（爱丁堡大学）

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

AI总结本文提出上下文潜在世界模型，通过联合训练潜在世界模型和上下文编码器，提升任务表示的表达能力，从而增强跨任务泛化性能。

2603.02765 2026-03-04 cs.LG cs.AI 76%

Next Embedding Prediction Makes World Models Stronger

下一步嵌入预测使世界模型更强大

George Bredis, Nikita Balagansky, Daniil Gavrilov, Ruslan Rakhimov

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

AI总结 NE-Dreamer通过时间转换器预测下一步嵌入，无需解码器即可在复杂环境中提升基于模型的强化学习性能。