机器人 / 具身智能

UniWorld: Autonomous Driving Pre-training via World Models

Chen Min, Dawei Zhao, Liang Xiao, Yiming Nie, Bin Dai

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

Comments 8 pages, 5 figures. arXiv admin note: substantial text overlap with arXiv:2305.18829

The Effectiveness of World Models for Continual Reinforcement Learning

Samuel Kessler, Mateusz Ostaszewski, Michał Bortkiewicz, Mateusz Żarski, Maciej Wołczyk, Jack Parker-Holder, Stephen J. Roberts, Piotr Miłoś

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

Comments Accepted at CoLLAs 2023, 21 pages, 15 figures

Co-Learning Empirical Games and World Models

Max Olan Smith, Michael P. Wellman

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

Transformer-based World Models Are Happy With 100k Interactions

Jan Robine, Marc Höftmann, Tobias Uelwer, Stefan Harmeling

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

Comments Published as a conference paper at ICLR 2023. Code is available at https://github.com/jrobine/twm

Neuro-Symbolic World Models for Adapting to Open World Novelty

Jonathan Balloch, Zhiyu Lin, Robert Wright, Xiangyu Peng, Mustafa Hussain, Aarun Srinivas, Julia Kim, Mark O. Riedl

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

Comments 9 pages, 8 figures, Extended Abstract accepted for presentation at AAMAS 2023

Intrinsically Motivated Learning of Causal World Models

Louis Annabi

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

Comments 6 pages, 3 figures, IMOL 2022 workshop

Multi-View Dreaming: Multi-View World Model with Contrastive Learning

Akira Kinose, Masashi Okada, Ryo Okumura, Tadahiro Taniguchi

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

Comments 7 pages, 8 figures

Mastering Atari with Discrete World Models

Danijar Hafner, Timothy Lillicrap, Mohammad Norouzi, Jimmy Ba

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

Comments Published at ICLR 2021. Website: https://danijar.com/dreamerv2

Quantifying Multimodality in World Models

Andreas Sedlmeier, Michael Kölle, Robert Müller, Leo Baudrexel, Claudia Linnhoff-Popien

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

Learning Knowledge Graph-based World Models of Textual Environments

Prithviraj Ammanabrolu, Mark O. Riedl

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

Comments Camera read, in Proceedings of NeurIPS 2021 Main Conference

Augmented World Models Facilitate Zero-Shot Dynamics Generalization From a Single Offline Environment

Philip J. Ball, Cong Lu, Jack Parker-Holder, Stephen Roberts

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

Comments Accepted @ ICML 2021; Spotlight @ ICLR 2021 "Self-Supervision for Reinforcement Learning Workshop"

Smaller World Models for Reinforcement Learning

Jan Robine, Tobias Uelwer, Stefan Harmeling

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

Causal World Models by Unsupervised Deconfounding of Physical Dynamics

Minne Li, Mengyue Yang, Furui Liu, Xu Chen, Zhitang Chen, Jun Wang

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

Low-Variance Policy Gradient Estimation with World Models

Michal Nauman, Floris Den Hengst

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

Active World Model Learning with Progress Curiosity

Kuno Kim, Megumi Sano, Julian De Freitas, Nick Haber, Daniel Yamins

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

Comments ICML 2020. Video of results at https://bit.ly/31vg7v1

Contrastive Learning of Structured World Models

Thomas Kipf, Elise van der Pol, Max Welling

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

Comments ICLR 2020

A Control Theory of Predictability in Latent World Models

潜在世界模型中可预测性的控制理论

Hanzhe You, Yonggang Zhang, Maohao Ran, Zhiqin Yang, Zhenyuan Zhang, Wei Xue, Jun Song, Xinmei Tian, Yike Guo

机构 * University of Science and Technology of China（中国科学技术大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Hong Kong Baptist University（香港浸会大学） 纠错

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

AI总结 研究潜在世界模型中可预测性的控制理论，指出当前以预测误差为目标不可靠，重新定义目标为预测与真实计划成本的差异，证明规划器次优性受其限制，通过实验证实相关结论。

Comments Preprint about latent world models, Koopman operator and control theory, 33 pages, 1 figure. Main text about 10 pages

Temporal Logic Guidance for Action-Only Diffusion Policies with World Models

基于时序逻辑的动作扩散策略与世界模型引导

Moritz Zoellner, Anastasios Manganaris, Rohan Paleja

机构 * German Academic Exchange Service (DAAD)（德国学术交流中心（DAAD）） 纠错

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

AI总结 提出一种利用世界模型实现时序逻辑鲁棒性可微评估的引导方法，在不重新训练的情况下改善动作扩散策略的约束满足，在Robomimic任务中将违规率从80%降至4%。

Comments Accepted at the ICRA 2026 Workshop on Bridging the Gap between Robot Learning and Human-Robot Interaction. 3 pages, 2 figures, 1 table

Causal Physics Steering in Video World Models via Concept Activation Vectors

通过概念激活向量在视频世界模型中进行因果物理引导

Nahid Alam

机构 * Oreon Labs（Oreon实验室） ； Cohere Labs Community（Cohere实验室社区） 纠错

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

AI总结 提出一种无需训练的方法，利用物理涌现区（PEZ）的概念激活向量（CAV）在推理时引导视频模型的物理期望，无需修改模型权重。

Comments In proceedings of CVPR 2026 workshop on Video World Model

Self-Supervised Multi-Modal World Model with 4D Space-Time Embedding

具有4D空间-时间嵌入的自监督多模态世界模型

Lance Legel, Qin Huang, Brandon Voelker, Daniel Neamati, Patrick Alan Johnson, Favyen Bastani, Jeff Rose, James Ryan Hennessy, Robert Guralnick, Douglas Soltis, Pamela Soltis, Shaowen Wang

机构 * Ecological Intelligence Lab（生态智能实验室） ； School of Complex Adaptive Systems（复杂适应系统学院） ； University of Houston（休斯顿大学） ； Geosensing Systems Engineering & Sciences Lab（传感系统工程与科学实验室） ； Stanford University（斯坦福大学） ； Allen Institute for Artificial Intelligence（人工智能研究院） ； Spatial Intelligence Lab（空间智能实验室） ； Department of Computer Science（计算机科学系） ； Georgia Institute of Technology（佐治亚理工学院） ； Florida Museum of Natural History（佛罗里达自然历史博物馆） ； University of Florida（佛罗里达大学） ； NSF Institute for Geospatial Understanding（国家科学基金会地理理解研究所） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 DeepEarth通过4D空间-时间嵌入实现自监督多模态世界模型，在生态预测中取得最佳性能。

Comments 8 pages, 5 figures, 1 table. Presented at 2026 World Modeling Workshop, Mila Quebec

When Do Neural Networks Learn World Models?

Tianren Zhang, Guanyu Chen, Feng Chen

机构 * Department of Automation, Tsinghua University, Beijing, China（自动化系，清华大学，北京，中国） 纠错

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

Comments ICML 2025; ICLR 2025 World Models Workshop (oral, outstanding paper award)

D$^2$-World: An Efficient World Model through Decoupled Dynamic Flow

Haiming Zhang, Xu Yan, Ying Xue, Zixuan Guo, Shuguang Cui, Zhen Li, Bingbing Liu

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

Comments The 2nd Place and Innovation Award Solution of Predictive World Model at the CVPR 2024 Autonomous Grand Challenge

SpatialCoT: Advancing Spatial Reasoning through Coordinate Alignment and Chain-of-Thought for Embodied Task Planning

Yuecheng Liu, Dafeng Chi, Shiguang Wu, Zhanguang Zhang, Yaochen Hu, Lingfeng Zhang, Yingxue Zhang, Shuang Wu, Tongtong Cao, Guowei Huang, Helong Huang, Guangjian Tian, Weichao Qiu, Xingyue Quan, Jianye Hao, Yuzheng Zhuang

专题命中 具身推理 ：embodied AI(abstract)；manipulation(abstract)；navigation(abstract)；分类 cs.RO、cs.AI、cs.CV

Comments Under Review

3D Scene Graphs: Open Challenges and Future Directions

3D场景图：开放挑战与未来方向

Dennis Rotondi, Francesco Argenziano, Sebastian Koch, Nathan Hughes, Martin Buechner, Johanna Wald, Lukas Rosenberger Schmid, Daniele Nardi, Abhinav Valada, Liam Paull, Federico Tombari, Luca Carlone, Kai O. Arras

机构 * University of Stuttgart（斯图加特大学） ； IMPRS-IS（马克斯·普朗克研究所-智能系统） ； Sapienza University of Rome（罗马萨皮恩扎大学） ； Google（谷歌） ； MIT（麻省理工学院） ； University of Freiburg（弗赖堡大学） ； UTN University of Montreal（蒙特利尔大学UTN分校） ； Mila TU Munich（慕尼黑技术大学Mila） 纠错

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

AI总结 本文统一综述3D场景图（3DSG）的构建、应用与评估，分析现有建模选择与开放挑战，旨在推动鲁棒部署。

Comments Invited article for the Annual Review of Control, Robotics, and Autonomous Systems Volume 10

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)

Orthogonal JEPA: Factorized Predictive States for Latent World Models

正交JEPA：用于潜在世界模型的分解预测状态

Taoyong Cui, Pheng Ann Heng, Wanli Ouyang

机构 * The Chinese University of Hong Kong (CUHK)（香港中文大学（CUHK）） 纠错

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

AI总结 该研究提出正交JEPA框架，通过正交预测分解改进潜在世界模型，在多类任务实验中评估了其表示质量、预测、规划及长时程稳定性。

ADAPT: Physics-Aware Diffusion-based World Models for Adaptive Predictive Transferable HVAC Control

ADAPT：面向自适应可迁移HVAC控制的物理感知扩散式世界模型

Xu Yang, Kailai Sun, Dianyu Zhong, Qianchuan Zhao

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

AI总结 本文针对现有HVAC控制方法泛化性差的问题，提出物理感知扩散世界模型ADAPT，在IID控制下可降HVAC能耗7.3%、不适度30.2%，OOD场景下迁移鲁棒性显著优于现有方法。

Learn for Variation: Efficient AAV Trajectory Learning through a Differentiable Wireless World Model

为变化学习：在可微环境中变分引导的AAV轨迹学习

Xiucheng Wang, Zhenye Chen, Nan Cheng, Zhisheng Yin, Xuemin Shen

机构 * State Key Laboratory of ISN and School of Telecommunications Engineering, Xidian University（信息与通信工程国家重点实验室和西安电子科技大学电信工程学院） ； School of Aerospace Science and Technology, Xidian University（航天学院） ； Department of Electrical and Computer Engineering, University of Waterloo（滑铁卢大学电气与计算机工程系） 纠错

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

AI总结 本文提出L4V框架，通过变分引导解决AAV轨迹规划中的奖励驱动强化学习问题，利用密集政策梯度提升任务完成效率和传输速率。