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。
Dreamer-CDP: 通过连续确定性表示预测改进无重建世界模型
专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG
AI总结 本文提出Dreamer-CDP，通过连续确定性表示预测提升世界模型性能，在Crafter环境中达到与传统重建方法相当的性能。
从拓扑到轨迹：LLM驱动的世界模型用于供应链韧性
机构 * Huazhong University and Science and Technology（华中科技大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 本文提出ReflectiChain框架，通过生成世界模型和回顾代理强化学习，提升供应链韧性，实验显示在极端场景下性能提升显著。
大型语言模型构建空间世界模型了吗？基于网格世界迷宫任务的证据
机构 * University of Notre Dame（圣母大学） ； Columbia University（哥伦比亚大学） ； MQube Cognition（MQube认知实验室）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 本文通过迷宫任务评估LLM的空间理解能力，发现其空间推理依赖于表示形式而非任务类型，表明LLM缺乏稳健的空间世界模型。
迈向流行病学的世界模型
机构 * Department of Computer Science, Emory University（埃默里大学计算机科学系） ； Department of Computer Science, Virginia Tech（弗吉尼亚理工大学计算机科学系） ； Department of Electrical and Computer Engineering, Worcester Polytechnic Institute（伍斯特理工学院电气与计算机工程系） ； Bradley Department of Electrical and Computer Engineering, Virginia Tech（弗吉尼亚理工大学布拉德利电气与计算机工程系）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG
AI总结 本文提出流行病学世界模型的概念框架，探讨其在政策相关推理中的必要性，通过案例研究展示显式世界建模对处理流行病决策中的挑战的重要性。
矩阵游戏3.0：具有长时程记忆的实时和流式交互世界模型
机构 * Skywork AI（天工AI）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 矩阵游戏3.0通过改进数据、模型和推理方法，实现了720p实时长视频生成，支持长时程时空一致性，提升了生成效率和质量。
Comments Project page: https://matrix-game-v3.github.io/
去中心化的集体世界模型用于涌现通信与协调
机构 * The University of Osaka（大阪大学） ； Kyoto University（京都大学） ； Ritsumeikan University（立命馆大学） ； The University of Tokyo（东京大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 本文提出一种去中心化的多智能体世界模型，通过时间扩展的集体预测编码实现通信与协调的同步发展，通过对比学习促进信息对齐，展示了在双智能体轨迹绘制任务中优于非通信模型的协调能力。
Comments Accepted at IEEE ICDL 2025
通过临床世界模型和技能混合框架在人类认知中奠定临床AI能力
机构 * Department of Cardiology, Inselspital, Bern University Hospital, University of Bern（伯尔尼大学医院心脏病学系，伯尔尼大学） ； Department of Digital Medicine, Bern University Hospital, University of Bern（伯尔尼大学医院数字医学系，伯尔尼大学） ； Division of Data-Driven and Digital Medicine (D3M), Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院数据驱动与数字医学部） ； Clinical Research Development Center, Amir Oncology Teaching Hospital, Shiraz University of Medical Sciences（设拉子医科大学阿米尔肿瘤教学医院临床研究发展中心） ； Graduate School for Cellular and Biomedical Sciences, University of Bern（伯尔尼大学细胞与生物医学研究生院） ； Faculty of Business and Information Technology, Ontario Tech University（安大略理工大学商业与信息技术学院） ； Department of Radiation Oncology, Inselspital, Bern University Hospital and University of Bern（伯尔尼大学医院放射肿瘤学系，伯尔尼大学） ； ARTORG Center for Biomedical Engineering Research, University of Bern（伯尔尼大学ARTORG生物医学工程研究中心） ； The Charles Bronfman Institute of Personalised Medicine, Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院查尔斯·布朗夫曼个性化医学研究所） ； University Institute of Diagnostic and Interventional Neuroradiology, Inselspital, Bern University Hospital, University of Bern（伯尔尼大学医院诊断与介入神经放射学大学研究所，伯尔尼大学） ； Translational Imaging Center (TIC), Swiss Institute for Translational and Entrepreneurial Medicine（瑞士转化与创业医学研究所转化影像中心） ； Henry D. Janowitz Division of Gastroenterology, Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院亨利·D·雅诺维茨消化内科）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 本文提出临床世界模型和技能混合框架，通过八维定义临床能力空间，为AI在医疗场景中的能力评估和验证提供结构化方法。
Comments Code, data (Clinical AI Skill-Mix dimension specifications), and an exploratory dashboard are available at https://github.com/Sdamirsa/Clinical-World-Model
CausalVAE作为世界模型的插件：迈向可靠的反事实动力学
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； The University of Hong Kong（香港大学） ； INFIFORCE Intelligent Technology（INFIFORCE智能科技）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG
AI总结 本文提出CausalVAE作为潜在世界模型的插件模块，通过增强事实预测和反事实检索，提升模型在分布偏移和干预下的鲁棒性，尤其在物理基准上取得显著提升。
电信世界模型：统一数字孪生、基础模型和预测规划用于6G
机构 * Research Institute for Digital Future, Khalifa University（哈利法大学数字未来研究所） ； College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息与电子工程学院） ； University of Oulu（奥卢大学） ； Aalto University（阿尔托大学） ； Université de Lorraine, CNRS, CRAN（洛林大学，法国国家科学研究中心，CRAN）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO
AI总结 本文提出电信世界模型(TWM)，结合数字孪生与基础模型，解决6G网络中动态建模、不确定性处理和多层控制规划问题。
矩阵游戏2.0：一个开源的实时和流式交互世界模型
机构 * Skywork AI（天工AI）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 本文提出Matrix-Game 2.0，通过少步自回归扩散生成长视频，解决传统交互世界模型实时性差的问题，实现25FPS高速生成。
Comments Project Page: https://matrix-game-v2.github.io
一个标记值得一个标记：高效生成世界建模与Delta标记
机构 * Amazon（亚马逊） ； Eindhoven University of Technology（埃因霍温理工大学） ； Johns Hopkins University（约翰霍普金斯大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 本文提出DeltaTok和DeltaWorld，通过将视频特征差值编码为单个连续标记，实现高效生成世界建模，减少参数和计算量，提升预测多样性。
Comments CVPR 2026. Code and weights: https://deltatok.github.io
共演潜在动作世界模型
专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG
AI总结 本文提出CoLA-World，通过关键预热阶段实现联合学习，解决世界模型与动作模型的协同问题，提升视频模拟质量和下游视觉规划性能。
通过弱监督表征学习实现物理可解释的世界模型
机构 * University of Florida（佛罗里达大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG
AI总结 本文提出PIWM框架，通过弱监督学习实现物理可解释的世界模型，利用物理动态约束提升预测准确性与系统参数恢复能力。
InCoder-32B-Thinking：工业代码世界模型用于推理
机构 * Beihang University（北京航空航天大学） ； IQuest Research ； Shanghai Jiao Tong University（上海交通大学） ； ELLIS ； University of Manchester（曼彻斯特大学） ； Sichuan University（四川大学） ； Langboat（朗博特）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 本文提出InCoder-32B-Thinking，通过工业代码世界模型生成推理轨迹，评估显示其在通用和工业基准上均取得领先开源结果。
VoxelCodeBench：通过代码生成进行3D世界建模的基准测试
机构 * FAIR at Meta（Meta FAIR） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校）
专题命中 具身推理 ：world model(title)；manipulation(abstract)；分类 cs.LG
AI总结 本文提出VoxelCodeBench基准，通过代码生成评估3D空间推理能力，发现生成可执行代码易，但生成空间正确输出难，尤其在几何构造和多物体组合上挑战大。
ModTrans：用于分布式训练模拟器的现实世界模型翻译
机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 ModTrans通过将现实世界模型转换为分布式训练模拟器输入，解决了现有模拟器无法导入真实模型的问题，降低了ML研究者的使用门槛。
DLWM：双潜在世界模型实现自动驾驶中的整体高斯中心预训练
机构 * HKUST（香港科技大学） ； CUHK-SZ（香港中文大学（深圳）） ； USTC（中国科学技术大学） ； Huawei Foundation Model Department（华为基础模型部门）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 本文提出DLWM，通过双潜在世界模型实现自动驾驶中的整体高斯中心预训练，提升3D占用感知、4D占用预测和运动规划性能。
Comments Accepted by CVPR 2026
迈向在挑战性轨迹下物理一致的驾驶视频世界模型
机构 * Zhejiang University（浙江大学） ； Xiaomi EV（小米电动汽车） ； The Hong Kong Polytechnic University（香港理工大学） ； Shenzhen Loop Area Institute（深圳河套学院）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 本文提出PhyGenesis，通过物理条件生成器和物理增强视频生成器，解决挑战性轨迹下视频生成的物理不一致问题，实验表明其在复杂轨迹上表现优异。
Lingshu-Cell: 一个生成性细胞世界模型用于转录组建模以实现虚拟细胞
机构 * DAMO Academy, Alibaba Group（阿里巴巴达摩院）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 Lingshu-Cell通过生成式模型学习转录组状态分布，支持在扰动下进行条件模拟，能够准确复现转录组分布和细胞亚型比例，展现复杂细胞异质性的建模能力。
VerseCrafter：基于4D几何控制的动态真实视频世界模型
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； HKU（香港大学） ； ARC Lab, Tencent PCG（腾讯PCG ARC实验室）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 本文提出VerseCrafter，通过4D几何控制生成动态真实视频，相比传统方法更精确控制相机和多物体运动。
Comments Project Page: https://sixiaozheng.github.io/VerseCrafter_page/, Accepted by CVPR 2026
面向AI原生6G网络的无线世界模型
机构 * China Mobile Research Institute（中国移动研究院）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 本文提出无线世界模型（WWM），通过内化三维几何与信号动态的因果关系，预测无线信道的时空演化，实现跨动态环境的泛化能力，优于现有单模基础模型和任务专用模型。
AI-Supervisor: 通过持续的研究世界模型实现自主的AI研究监督
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 本文提出AI-Supervisor框架，通过持续演进的知识图谱实现自主探索和自我修正的研究监督，解决传统线性流程无法处理研究空白和验证问题的不足。
NeoVerse：基于真实世界单目视频增强4D世界模型
机构 * NLPR & MAIS, CASIA（国家工程实验室与机器智能研究所，中国科学院）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 本文提出NeoVerse，一种能实现4D重建、生成新颖轨迹视频及多种下游应用的 versatile 4D 世界模型。通过解决现有方法在可扩展性上的局限，NeoVerse 基于单目视频构建可扩展的全流程，实现高泛化能力与高性能。
Comments CVPR 2026; Project Page: https://neoverse-4d.github.io
WildWorld: 一个大规模动态世界建模数据集，包含动作和显式状态，面向生成式ARPG
机构 * Alaya Studio, Shanda AI Research Tokyo（Alaya工作室，Shanda AI东京研究院） ； Beijing Institute of Technology（北京理工大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shenzhen MSU-BIT University（深圳MSU-BIT大学） ； Tsinghua University（清华大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 本文提出WildWorld数据集，通过AAA动作角色扮演游戏Monster Hunter: Wilds自动收集，包含1.08亿帧视频和450多种动作，包含骨骼、世界状态、相机姿态和深度图标注，用于评估动作跟随和状态对齐。
描述-然后-行动：通过蒸馏的语言-动作世界模型实现前瞻性智能体导航
机构 * Sapienza University of Rome, Italy（罗马大学萨皮恩扎） ； Inria, Univ. Grenoble Alpes, CNRS, LJK（法国国家信息与自动化技术研究所）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 本文提出DILLO模型，通过蒸馏方法实现无需视觉模拟的前瞻性智能体导航，提升任务成功率。
LiveWorld: 生成视频世界模型中模拟视线外动态
机构 * Adelaide University（阿德莱德大学） ； The Australian National University（澳大利亚国立大学） ； Monash University（莫纳什大学） ； Zhejiang University（浙江大学） ； University of Auckland（奥克兰大学）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 LiveWorld提出了一种新框架，解决视频世界模型中视线外动态缺失问题，通过持久化全球状态和监控机制实现持续演化，提升场景一致性。
从部分到整体：具有自适应结构层次的3D生成世界模型
机构 * Wangxuan Institute of \ Technology, Peking University Beijing, China ； Institute for Math \& AI, Wuhan University Wuhan, China
专题命中 具身推理 ：world model(title,abstract)；分类 cs.CV
AI总结 本文提出了一种自适应部分-整体层次的3D生成世界模型，通过直接从图像令牌推断出软且组合性的掩码，自主发现潜在结构槽，实现跨类别的形状共享和去噪。
Comments Accepted to ICME 2026
ARYA：一种受物理约束的可组合且确定性世界模型架构
机构 * ARYA Labs（ARYA实验室）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.AI
AI总结 本文提出ARYA，一种基于五项原则的可组合、受物理约束且确定性世界模型架构，通过层级系统实现高效能与计算效率的平衡，展示其在六个基准测试中的卓越表现。
FluidWorld: 反应-扩散动力学作为世界模型的预测性基质
机构 * Independent Researcher（独立研究者）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.LG
AI总结 本文提出FluidWorld，通过反应-扩散型偏微分方程实现世界模型预测，对比Transformer和ConvLSTM基线，展示PDE在参数效率和空间结构保留上的优势。
Comments 18 pages, 16 figures, 4 tables. Code available at https://github.com/infinition/FluidWorld/
梦见未见：用于分布外鲁棒性的世界模型正则化扩散策略
机构 * School of Computation, Information and Technology, Technical University of Munich, Garching, Germany（慕尼黑技术大学计算与信息学院） ； State Key Laboratory for Novel Software Technology（新型软件技术国家重点实验室） ； the School of Science and Technology, Nanjing University (Suzhou Campus), China（南京大学苏州校区科学技术学院）
专题命中 具身推理 ：world model(title,abstract)；分类 cs.RO
AI总结 本文提出Dream Diffusion Policy，通过整合世界模型提升扩散策略在分布外扰动下的鲁棒性，实验显示其在MetaWorld和现实场景中表现优异。
Comments Under review
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