机器人 / 具身智能

Graph-Operator World Models for Morphology-Parameter Generalization in Continuous Control

用于连续控制中形态参数泛化的图算子世界模型

Xu Yang, Yiqin Yang, Qianchuan Zhao

机构 * Tsinghua University（清华大学） ； Chinese Academy of Sciences（中国科学院） 纠错

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

AI总结 提出GraphOp-WM结构化世界模型，通过分解转移为形态无关局部基与形态相关算子，实现连续控制中铰接机器人家族的形态参数泛化，定义MuJoCo参数划分验证方法。

World models of environment, agent and joint agent-environment systems

环境、智能体及智能体-环境联合系统的世界模型

Manuel Baltieri, Filippo Torresan, Yivan Zhang, Alexander Boyd, Fernando E. Rosas

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

AI总结 本文基于计算力学，将世界模型按建模信道分为三类，构建规范模型并通过POMDP示例说明耦合与支持限制可简化模型复杂度，为世界模型的本质提供了清晰框架。

What a World Model Represents Is Three Questions

一阶角：任务从世界模型中需要多少价值等价性？

Donna Vakalis

机构 * Mila – Quebec AI Institute（米拉-魁北克人工智能研究所） ； Université de Montréal（蒙特利尔大学） 纠错

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

AI总结 研究任务从世界模型中所需的价值等价性，通过在DreamerV3堆栈上测量发现，潜在因素代表的闭包由训练目标维度决定，价值等价具维度性，单奖励目标是其一阶角，模型安装的任务结构与预测目标相关。

Comments 24 pages, 12 figures. Substantial rewrite of v1 (title changed). v2 Adds the reachability / admission / assignment split and the assignment experiments / the route-boundary / RSSM-transfer / stochastic-onset and reachability-versus-admission experiments

AudioWorldSim: Realistic Binaural Audio Datasets For World Models

AudioWorldSim：用于世界模型的真实双耳音频数据集

Luis Vitor Zerkowski, Luiz Velho

机构 * VISGRAF ； IMPA（巴西纯数学与应用数学国家研究所） 纠错

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

AI总结 本研究提出开源平台AudioWorldSim，作为SoundSpaces 2.0的自定义扩展，用于生成真实双耳音频数据集，助力基于音频的机器学习尤其是世界模型研究，相关资源已公开以提升可重复性。

Comments 7 pages, 3 figures

MemWM: Memory-Augmented Text-Based World Model

MemWM：记忆增强的基于文本的世界模型

Yujun Wang, Tao Zhang, Jinhe Bi, Aniri, Wenxuan Ye, Boliang Liu, Sikuan Yan, Shuning Wang, Xuebing Zhou, Sören Pirk, Hinrich Schütze, Yunpu Ma

机构 * LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Huawei Heisenberg Research Center（华为海森堡研究中心） ； Zhejiang University（浙江大学） ； Technical University of Munich (TUM)（慕尼黑工业大学） ； TU Berlin（柏林工业大学） ； Kiel University（基尔大学） 纠错

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

AI总结 该研究提出记忆增强的基于文本的世界模型MemWM，通过引入世界记忆解决世界模型的系统性预测错误，在ALFWorld等基准上提升智能体规划成功率与效率。

Comments Accepted to EMNLP 2026 (Main Conference)

Future Dynamic 3D Reconstruction: Toward 3D World Modeling with Disentangled Ego-Motion

未来动态3D重建：一种具有解耦自运动的3D世界模型

Nils Morbitzer, Jonathan Evers, Artem Savkin, Thomas Stauner, Nassir Navab, Federico Tombari, Stefano Gasperini

机构 * Technical University of Munich (TUM)（慕尼黑技术大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） 纠错

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

AI总结 提出FR3D世界模型，通过解耦场景3D演化与智能体轨迹，利用教师-学生蒸馏策略实现从单目观测到未来动态3D重建的几何一致性和零样本泛化。

Comments ICML 2026. Project page: this https URL (https://fr3d-wm.github.io)

ResiliFlow: An Open Transport World Model for Infrastructure Perception and Disaster Resilience

ResiliFlow：面向基础设施感知与灾害韧性的开放交通世界模型

Junxiang Xu, Vinayak Dixit, S. Travis Waller, Divya Jayakumar Nair, Qianwen (Vivian)Guo, Sisi Jian, Xiao Wen, Ashutosh Ashutosh, Sunhyung Yoo, Julius Secadiningrat, Jingni Guo

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

AI总结 ResiliFlow是面向基础设施感知与灾害韧性的开放交通世界模型平台，整合两类工作空间功能，实现交通模型的可检查复用，支撑研究协作与公众监督。

IMU-Free Body-Frame State Estimation with Sparse Scene Flow for Quadcopters

面向四旋翼无人机的基于稀疏场景流的无IMU机体坐标系状态估计

Daniel Grønhaug, Sofie Markeset, Mathias Kolberg

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

AI总结 该研究提出一种无IMU的四旋翼仅视觉状态估计系统，采用扩展卡尔曼滤波与4视图光束平差法，生成机体坐标系状态估计与稀疏场景流，无需GPS等世界坐标系基础设施。

Comments 56 pages, 5 figures, 2 tables. Evaluated on the VID dataset ( arXiv:2103.11152 (https://arxiv.org/abs/2103.11152) )

Self-Revising Discovery Systems for Science: A Categorical Framework for Agentic Artificial Intelligence

科学中的自我修正发现系统：面向主体人工智能的范畴论框架

Fiona Y. Wang, Markus J. Buehler

机构 * Laboratory for Atomistic and Molecular Mechanics（原子分子力学实验室） ； Department of Biological Engineering（生物工程系） ； Massachusetts Institute of Technology（麻省理工学院） ； Department of Civil and Environmental Engineering（土木与环境工程系） ； Department of Mechanical Engineering（机械工程系） ； Center for Computational Science and Engineering（计算科学与工程中心） ； Schwarzman College of Computing（施瓦茨曼计算学院） 纠错

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

AI总结 本文提出一个基于范畴论的框架，通过左Kan扩展实现科学发现中的表征体制转换，并应用于材料科学中的蛋白质力学和纤维网络建模。