视觉与机器人
机器人、具身智能、机器人学习、操作、导航和具身世界模型。
BiWM：利用双向自回归推进开源交互式视频世界模型
机构 * LynnReal AI ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.CV
AI总结 提出BiWM框架，通过双向自回归范式将预训练视频骨干转化为交互式世界模型，仅需两阶段训练（微调+分布匹配蒸馏），支持多尺度模型和长程生成，优于现有因果流水线。
HyWorldVLA：一种用于自动驾驶的具有混合世界建模的视觉-语言-动作模型
机构 * Automotive New Technology Research Institute, BYD Company Limited（比亚迪汽车新技术研究院）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.CV
AI总结 研究针对自动驾驶中视觉-语言-动作模型的不足，提出HyWorldVLA框架，统一像素级监督与潜在表征学习。预训练阶段预测视频潜在并重建帧，微调阶段预测潜在特征生成轨迹，实验表明其性能优于基线，还建立了世界模型噪声鲁棒性评估新基准。
Comments 20 pages with 13 figures
FilmWorld：通过动态电影世界建模实现从小说到电影的智能生成
机构 * Huazhong University of Science and Technology（华中科技大学） ； Alibaba Group（阿里巴巴集团）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.CV
AI总结 研究如何将小说转化为电影，提出将其形式化为动态电影世界建模，构建FilmWorld系统，两组智能体协作实现各阶段，引入FilmEval评估框架，实验证明该系统性能优于现有技术。
Comments Project Page: https://filmworld-ai.github.io
当经过验证的世界模型仍然失败时：大语言模型合成代码世界模型中的游戏充分性与预测准确性
机构 * AGILabs（AGILabs实验室）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 研究大语言模型合成的代码世界模型，发现其虽预测准确率高，但在游戏中仍失败，存在验证与正确的差距，揭示危害规律，指出更多数据无法修复，相同机制在信念推理函数上重现，表明规划世界模型充分性应基于搜索分布或游戏衡量。
Comments 41 pages, 4 figures. Code and reproduction log: https://github.com/JaviMaligno/code-world-models
深度在组合中何时得以保留？潜在世界模型中的计算-质量机制
机构 * New York University（纽约大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 研究探讨潜在世界模型中深度在组合时的情况，用浅度惩罚ρ测试九个深度思维控制任务，发现三种机制，揭示反转机制由训练产生，其与观察/动作维度等相关，还指出任务机制受多种因素影响及相关注意事项。
Comments 15 pages, 9 figures, 2 tables
3D和4D世界建模：一项综述
机构 * WorldBench Team（WorldBench团队）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.CV
AI总结 该综述针对世界建模中对3D和4D表示利用不足及定义分类缺失的问题，通过建立精确概念、引入结构化分类法，系统总结相关数据集和评估指标，讨论应用、挑战与方向，为3D和4D世界建模领域提供基础参考。
Comments Survey; Project Page at https://worldbench.github.io/survey GitHub Repo at https://github.com/worldbench/awesome-3d-4d-world-models
受人类启发的神经符号世界建模与逻辑推理用于可解释的安全无人机着陆点评估
机构 * Macquarie University（麦考瑞大学） ； University of California, Santa Barbara（加州大学圣巴巴拉分校）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.AI
AI总结 NeuroSymLand通过结合神经符号方法，实现了可解释的安全无人机着陆点评估，优于现有基线方法。
Comments The paper has a major update, which is uploaded to https://arxiv.org/abs/2607.02277
RENEW：迈向从偏好中学习世界模型并修复模型利用问题
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 研究针对世界模型在数据覆盖薄弱时易受模型利用问题，提出从人类反馈中学习动力学（DLHF），但朴素DLHF样本效率低，于是引入RENEW利用认知不确定性聚焦微调，经实验评估，RENEW提高样本效率等，为解决离线模型强化学习利用问题提供新途径。
特征空间中的流匹配用于随机世界建模
机构 * FAIR at Meta（Meta的FAIR）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.CV
AI总结 提出FlowWM，在预训练特征空间中直接进行流匹配，通过可微一步投影机制实现高效训练，在合成和真实基准上提升感知性能、模式覆盖和时域鲁棒性。
Comments 24 pages, 18 figures, 6 tables
作为变分自由能的SIGReg目标：JEPA世界模型的理论主动推理解释
机构 * Université Paris-Saclay, CEA, List（巴黎萨克雷大学，法国国家科学研究中心，List研究所） ； Computer Vision Center Barcelona（巴塞罗那计算机视觉中心）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 研究JEPA世界模型，通过将四个正则化器组织成层次结构，证明选择抗坍缩正则化器决定训练目标是否为有效AIF变分自由能，在特定条件下SIGReg有优势，还扩展对应关系并确定未计算的AIF项。
Comments Theoretical paper; empirical validation of the stated predictions is left to separate work. 28 pages, 4 figures, 4 tables
通过世界模型从人类偏好和理由中学习安全智能体行为
机构 * University of Southampton（南安普顿大学） ； King’s College London（伦敦国王学院）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 研究在环境未知且无合适奖励函数时安全训练与部署智能体策略的问题，提出DROPJ方法，先学习世界模型，由人类在其中生成模拟轨迹并给出偏好及理由，据此训练奖励模型用于部署，实验表明该方法可降低训练成本、提升部署性能及安全性。
Comments 42 pages, 18 figures. Extended version of a paper presented at ICAART 2026; submitted for consideration in the ICAART 2026 post-publication selected-papers volume in Lecture Notes in Artificial Intelligence
算子对F补充值等价性：潜在世界模型的规划时诊断
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 研究针对基于模型的强化学习中世界模型评估问题，引入算子对F诊断，通过模型自身预测器比较模型与环境的k步潜在前推，揭示其与规划回报的强关联及在跨架构比较中的作用，补充而非替代值等价性诊断。
Comments Accepted at RLC 2026 WM Workshop. V2 places the diagnostic in Koopman representation theory; references expanded. Results unchanged
更高的嵌入维度为简单排序任务创建更强的世界模型
机构 * California Institute of Technology（加利福尼亚理工学院） ； Google DeepMind（谷歌DeepMind） ； Cornell University（康奈尔大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 研究在强化学习训练的变压器中嵌入维度对内部“世界模型”的影响，发现更高维度能产生更好的内部表示，经数百实验观察到两种机制，结果证明变压器构建结构化内部世界模型且模型大小可提升表示质量。
作为对手的世界模型：用于鲁棒运动规划的多智能体自我博弈微调
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Tongji University（同济大学） ； McGill University（麦吉尔大学） ； Mila-Quebec AI Institute（米拉-魁北克人工智能研究所）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.AI
AI总结 研究在密集交通中自动驾驶车辆鲁棒运动规划问题，提出对抗世界建模（AWM）框架，通过多智能体自我博弈微调，引入解耦求解器，经实验验证该方法能生成可转移对抗交互，使规划器在多种场景有竞争力。
用于具身动作条件世界模型的因果去偏潜行动模型
机构 * Aether AI ； University of California, San Diego（加州大学圣地亚哥分校）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.CV
AI总结 研究针对动作条件世界模型学习需大量标记数据的问题，提出基于潜行动模型的因果去偏框架CD-LAM，通过三个微调目标改进模型，提升了潜行动可控性等多方面性能，减少了机器人动作适应更新次数。
一阶角：任务从世界模型中需要多少价值等价性？
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）
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 22 pages, 14 figures
基于记忆增强检索的事件中心世界建模用于具身决策
机构 * Zhaowen Fan（Fan 研究院） ； Rongchao Zhang（Zhang 实验室）
专题命中 具身推理 ：world model(title)；navigation(abstract)；分类 cs.RO、cs.LG
AI总结 本文提出一种事件中心世界建模框架，通过记忆增强检索实现具身决策，结合语义事件和先前经验进行决策，提升动态环境的结构抽象与可解释性。
Comments 12 pages, 9 figures, 4 tables, currently under review
提前思考：多模态语言模型和世界模型中的预见智能
机构 * College of Software, Nankai University, China（南开大学软件学院） ； The University of Hong Kong, China（香港大学） ； NKIARI, Shenzhen Futian, China（NKIARI，深圳福田，中国） ； AAIS & VCIP, Nankai University, China（AAIS与VCIP，南开大学，中国） ； A*STAR Institute of Advanced Intelligence and Computing, Singapore（新加坡A*STAR先进智能与计算研究所）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.CV
AI总结 研究定义预见智能，引入FSU-QA数据集，对视觉语言模型在预见任务中全面研究，发现当前模型不足。该数据集可评估世界模型，增强预见推理，微调小模型能超大型先进模型，为开发下一代模型提供基础，还验证了评估协议。
Comments Accepted by ECCV 2026
预测潜在世界模型的闭环性能：用于MPC和基于模型的强化学习的离线检查点选择，在非马尔可夫奖励的LunarLander中
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 提出一套基于最优控制理论的结构化验证时诊断指标，用于从离线检查点中预测潜在世界模型的闭环性能，其中复合奖励可观测性分数（CROF）在LunarLander任务上有效选择检查点，显著提升MPC和基于模型的强化学习性能。
Comments Preprint, 19 pages (16 main text + 3 pages appendix), 7 figures, 4 tables. Video: https://youtu.be/4PxHFW_TYUw , Code: https://github.com/nsmoly/LunarLander_RSSM
CLARITY：用于通过在潜在空间中建模情境感知疾病轨迹来指导治疗决策的医学世界模型
机构 * Institute of Artificial Intelligence, University of Central Florida（中佛罗里达大学人工智能研究所）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV、cs.LG
AI总结 CLARITY通过在潜在空间中建模时间间隔和患者特定数据，预测疾病演变轨迹，生成个性化治疗方案，并在医学领域实现最先进的治疗规划性能。
Comments Accepted to ECCV 2026
守恒律何时在学习表示中幸存？潜在世界模型的认证视界
机构 * Department of Mathematics, Stony Brook University（石溪大学数学系）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.LG
AI总结 研究物理世界模型中守恒律在潜表示学习后的可认证性，提出一种通过解码物理不变量并分解模型缺陷来预计算认证视界的方法，实验表明硬规范辛结构在已知相坐标中表现最佳，但软约束在潜表示设置中更鲁棒。
Comments 16 pages, including appendices. v2: second soft-survival system (Duffing double well, pre-registered) with a linear-oscillator anchor; 5-seed and step-size hardening of the state-Kepler result; 8-seed SympNet confirmation of the lift null. Code: https://github.com/TimothyWang418/se3-ejepa
规模买插值，结构买地平线：等变世界模型的认证可预测性
机构 * Department of Mathematics, Stony Brook University（数学系，石溪大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.LG
AI总结 针对等变潜在世界模型，提出可计算的多步可预测地平线认证，证明T步滚动误差在对称轨道上恒定，并由李雅普诺夫谱分层界定，且该认证为等变模型独有。
Comments 56 pages. v3: evidence hardening -- pendulum-ring mechanism doubled to n=30 seeds (Fisher p=9.5e-6), 5-task x 7-checkpoint multitask audit (0/35 cells reach the calibration band), certificate start-spread and measured episode-sensitivity analyses; prose pass; conclusions unchanged. Code: https://github.com/TimothyWang418/se3-ejepa
Valdi: 价值扩散世界模型
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 提出Valdi框架，结合端到端在线训练与潜在扩散动力学模型，在CarRacing环境中使用单步扩散达到与确定性MLP基线相当的性能，揭示了预测多模态与控制性能之间的权衡。
Comments RLC 2026 WMW
AdaJEPA：一种自适应潜在世界模型
机构 * New York University（纽约大学） ； AMI Labs（AMI实验室）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 提出AdaJEPA，一种在模型预测控制闭环中进行测试时自适应的潜在世界模型，通过自监督信号持续校准模型，显著提升规划成功率。
DreamForge-World 0.1 Preview：一种低计算量实时可控世界模型
机构 * DreamForge AI Lab（DreamForge AI实验室）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV、cs.LG
AI总结 提出DreamForge-World 0.1 Preview，一种基于自回归视频堆栈和残差动作路径的低计算量实时交互世界模型，支持消费级GPU运行和多种交互功能。
Comments Project page: https://trydreamforge.com/
J-LAW：通过耦合潜在因子图实现联合定位与可操作世界建模
机构 * Geely Technology Europe（吉利技术欧洲公司） ； State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing (LIESMARS)（信息工程测绘与遥感国家重点实验室（LIESMARS）） ； Wuhan University（武汉大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.LG
AI总结 提出J-LAW，通过耦合因子图联合优化度量物体位姿、潜在世界状态和潜在地标嵌入，实现定位与可操作世界建模的协同提升，实验证明能显著降低潜在预测误差和端点漂移。
Comments 5 pages, 2 figures, 3 tables
从令牌到状态：LLM作为世界模型的特例及其连续路径
机构 * Paul Dubois（保罗·杜博伊斯）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.LG
AI总结 本文论证LLM是世界模型的退化特例，并提出从NTP到JEPA的连续谱系，逐步放松LLM约束，同时探讨其可扩展性挑战。
Comments 10 pages, 6 figures, 1 table
EO-WM: 一种用于概率性地球观测预测的物理信息世界模型
机构 * The University of Hong Kong（香港大学） ； Wuhan University（武汉大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.CV
AI总结 提出EO-WM，一种视频扩散变换器，通过物理信息条件框架（气候基线、天气异常和累积应力）实现多光谱地球观测的概率性预测，在极端天气和季节匹配基准上优于现有方法。
Comments 28 pages, 5 figures, 11 tables
爱因斯坦世界模型
机构 * MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； RIKEN AIP, Japan（日本理化学研究所革新智能综合研究中心） ； Tohoku University（东北大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI、cs.CV
AI总结 提出爱因斯坦世界模型（EWM），通过将视觉时间展开嵌入推理轨迹，使LLM能利用视觉化反事实事件增强复杂推理能力。
Comments 12 pages (9 without references), 2 figures, 1 algorithm
风险感知的选择性多模态驾驶员监控与驾驶员状态世界建模
机构 * Hubei University（湖北大学） ； Nanyang Technological University（南洋理工大学） ； Osaka University（大阪大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO、cs.AI
AI总结 提出成本感知的选择性推理框架，结合轻量级RGB-生理学生网络和门控机制，在低延迟下减少不安全决策，实现可部署的多模态驾驶员监控。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈