机器人 / 具身智能

Understanding the Geospatial Reasoning Capabilities of LLMs: A Trajectory Recovery Perspective

Thinh Hung Truong, Jey Han Lau, Jianzhong Qi

机构 * School of Computing and Information Systems（计算与信息系统学院） ； The University of Melbourne（墨尔本大学） 纠错

专题命中 具身推理 ：navigation(abstract)；分类 cs.AI

Spatial Reasoning with Vision-Language Models in Ego-Centric Multi-View Scenes

Mohsen Gholami, Ahmad Rezaei, Zhou Weimin, Sitong Mao, Shunbo Zhou, Yong Zhang, Mohammad Akbari

机构 * Huawei Technologies Canada（华为技术加拿大分公司） ； Huawei Cloud Project Page Code Ego3D-Bench（华为云项目页面代码Ego3D-Bench） 纠错

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

Rolling Forcing: Autoregressive Long Video Diffusion in Real Time

Kunhao Liu, Wenbo Hu, Jiale Xu, Ying Shan, Shijian Lu

机构 * Nanyang Technological University（南洋理工大学） ； ARC Lab, Tencent PCG（腾讯PCG ARC实验室） 纠错

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

Comments Project page: https://kunhao-liu.github.io/Rolling_Forcing_Webpage/

InSpire: Vision-Language-Action Models with Intrinsic Spatial Reasoning

Ji Zhang, Shihan Wu, Xu Luo, Hao Wu, Lianli Gao, Heng Tao Shen, Jingkuan Song

机构 * Southwest Jiaotong University（西南交通大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Tongji University（同济大学） 纠错

专题命中 具身推理 ：robotic(abstract)；分类 cs.RO

OpenViGA: Video Generation for Automotive Driving Scenes by Streamlining and Fine-Tuning Open Source Models with Public Data

Björn Möller, Zhengyang Li, Malte Stelzer, Thomas Graave, Fabian Bettels, Muaaz Ataya, Tim Fingscheidt

机构 * Technische Universität Braunschweig（布拉unsch维格技术大学） 纠错

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

Beyond Averages: Open-Vocabulary 3D Scene Understanding with Gaussian Splatting and Bag of Embeddings

Abdalla Arafa, Didier Stricker

机构 * DFKI（德意志联邦鹰隼研究所） 纠错

专题命中 具身推理 ：robotics(abstract)；分类 cs.CV

Is the `Agent' Paradigm a Limiting Framework for Next-Generation Intelligent Systems?

Jesse Gardner, Vladimir A. Baulin

机构 * Active Inference Institute（主动推断研究所） 纠错

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

Slaves to the Law of Large Numbers: An Asymptotic Equipartition Property for Perplexity in Generative Language Models

Tyler Bell, Avinash Mudireddy, Ivan Johnson-Eversoll, Soura Dasgupta, Raghu Mudumbai

机构 * University of Iowa（爱荷华大学） 纠错

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

Randomly Sampled Language Reasoning Problems Elucidate Limitations of In-Context Learning

Kavi Gupta, Kate Sanders, Armando Solar-Lezama

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

Comments 10 pages, 4 figures, 2 tables

CausNVS: Autoregressive Multi-view Diffusion for Flexible 3D Novel View Synthesis

Xin Kong, Daniel Watson, Yannick Strümpler, Michael Niemeyer, Federico Tombari

机构 * Imperial College London（伦敦帝国学院） ； Google DeepMind（谷歌DeepMind） ； Google（谷歌） ； Technical University of Munich（慕尼黑技术大学） 纠错

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

HLG: Comprehensive 3D Room Construction via Hierarchical Layout Generation

Xiping Wang, Yuxi Wang, Mengqi Zhou, Junsong Fan, Zhaoxiang Zhang

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

Domain-Conditioned Scene Graphs for State-Grounded Task Planning

Jonas Herzog, Jiangpin Liu, Yue Wang

机构 * Zhejiang University（浙江大学） 纠错

专题命中 具身推理 ：robotic(abstract)；分类 cs.RO

Comments Accepted for IROS 2025

Beyond Individuals: Collective Predictive Coding for Memory, Attention, and the Emergence of Language

Tadahiro Taniguchi

机构 * Graduate School of Informatics（信息学研究科） 纠错

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

Journal ref Cognitive Neuroscience, 1-2 (2025)

3D-Generalist: Self-Improving Vision-Language-Action Models for Crafting 3D Worlds

Fan-Yun Sun, Shengguang Wu, Christian Jacobsen, Thomas Yim, Haoming Zou, Alex Zook, Shangru Li, Yu-Hsin Chou, Ethem Can, Xunlei Wu, Clemens Eppner, Valts Blukis, Jonathan Tremblay, Jiajun Wu, Stan Birchfield, Nick Haber

机构 * Stanford University（斯坦福大学） ； Nvidia Research（英伟达研究） 纠错

专题命中 具身推理 ：robotics(abstract)；分类 cs.CV

Comments project website: https://ai.stanford.edu/~sunfanyun/3d-generalist/

A Study of the Framework and Real-World Applications of Language Embedding for 3D Scene Understanding

Mahmoud Chick Zaouali, Todd Charter, Yehor Karpichev, Brandon Haworth, Homayoun Najjaran

机构 * Faculty of Engineering and Computer Science, University of Victoria（工程与计算机科学学院，维多利亚大学） 纠错

专题命中 具身推理 ：robotics(abstract)；分类 cs.CV

4DNeX: Feed-Forward 4D Generative Modeling Made Easy

Zhaoxi Chen, Tianqi Liu, Long Zhuo, Jiawei Ren, Zeng Tao, He Zhu, Fangzhou Hong, Liang Pan, Ziwei Liu

机构 * S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

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

Comments Project Page: https://4dnex.github.io/

3DGraphLLM: Combining Semantic Graphs and Large Language Models for 3D Scene Understanding

Tatiana Zemskova, Dmitry Yudin

机构 * AIRI ； MIPT（莫斯科国立普希金俄语学院） 纠错

专题命中 具身推理 ：robotic(abstract)；分类 cs.CV

$I^{2}$-World: Intra-Inter Tokenization for Efficient Dynamic 4D Scene Forecasting

Zhimin Liao, Ping Wei, Ruijie Zhang, Shuaijia Chen, Haoxuan Wang, Ziyang Ren

机构 * National Key Laboratory of Human-Machine Hybrid Augmented Intelligence（人机混合增强智能国家级重点实验室） ； Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（人工智能与机器人学院，西安交通大学） 纠错

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

SplatTalk: 3D VQA with Gaussian Splatting

Anh Thai, Songyou Peng, Kyle Genova, Leonidas Guibas, Thomas Funkhouser

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Google DeepMind（谷歌DeepMind） 纠错

专题命中 具身推理 ：robotics(abstract)；分类 cs.CV

Comments Accepted at ICCV 2025

SeqAffordSplat: Scene-level Sequential Affordance Reasoning on 3D Gaussian Splatting

Di Li, Jie Feng, Jiahao Chen, Weisheng Dong, Guanbin Li, Yuhui Zheng, Mingtao Feng, Guangming Shi

专题命中 具身推理 ：embodied agent(abstract)；分类 cs.CV

GTAD: Global Temporal Aggregation Denoising Learning for 3D Semantic Occupancy Prediction

Tianhao Li, Yang Li, Mengtian Li, Yisheng Deng, Weifeng Ge

机构 * Department of Computer and Technology, Fudan University（复旦大学计算机与技术系） ； School of Computer Science and Technology, East China Normal University（华东师范大学计算机科学与技术学院） ； Shanghai Film Academy of Shanghai University（上海大学上海电影学院） 纠错

专题命中 具身推理 ：robotic(abstract)；分类 cs.CV

Video Self-Distillation for Single-Image Encoders: A Step Toward Physically Plausible Perception

Marcel Simon, Tae-Ho Kim, Seul-Ki Yeom

机构 * Nota AI GmbH 纠错

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

Comments 4 pages, 2 figures, 2 tables

Journal ref 2025 International Conference on Machine Learning Workshop

DiSCO-3D : Discovering and segmenting Sub-Concepts from Open-vocabulary queries in NeRF

Doriand Petit, Steve Bourgeois, Vincent Gay-Bellile, Florian Chabot, Loïc Barthe

机构 * Université Paris-Saclay, CEA, List（巴黎萨克雷大学，CEA，List） ； IRIT, Université de Toulouse, CNRS（IRIT，图卢兹大学，CNRS） 纠错

专题命中 具身推理 ：robotics(abstract)；分类 cs.CV

Comments Published at ICCV'25

Modeling Open-World Cognition as On-Demand Synthesis of Probabilistic Models

Lionel Wong, Katherine M. Collins, Lance Ying, Cedegao E. Zhang, Adrian Weller, Tobias Gerstenberg, Timothy O'Donnell, Alexander K. Lew, Jacob D. Andreas, Joshua B. Tenenbaum, Tyler Brooke-Wilson

机构 * Stanford University（斯坦福大学） ； MIT（麻省理工学院） ； University of Cambridge（剑桥大学） ； Harvard University（哈佛大学） ； McGill University（麦吉尔大学） ； Yale University（耶鲁大学） 纠错

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

Comments Presented at CogSci 2025

A Survey on Future Frame Synthesis: Bridging Deterministic and Generative Approaches

Ruibo Ming, Zhewei Huang, Jingwei Wu, Zhuoxuan Ju, Daxin Jiang, Jianming Hu, Lihui Peng, Shuchang Zhou

机构 * Tsinghua University（清华大学） ； StepFun ； Peking University（北京大学） ； Megvii Technology（旷视科技） 纠错

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

Comments TMLR 2025/07

A Scalable and Efficient Signal Integration System for Job Matching

Ping Liu, Rajat Arora, Xiao Shi, Benjamin Le, Qianqi Shen, Jianqiang Shen, Chengming Jiang, Nikita Zhiltsov, Priya Bannur, Yidan Zhu, Liming Dong, Haichao Wei, Qi Guo, Luke Simon, Liangjie Hong, Wenjing Zhang

机构 * LinkedIn Corporation（LinkedIn公司） 纠错

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

Comments KDD2025

Neural networks leverage nominally quantum and post-quantum representations

Paul M. Riechers, Thomas J. Elliott, Adam S. Shai

机构 * Simplex ； Astera Institute（Astera研究所） ； Beyond Institute for Theoretical Science (BITS)（Beyond理论科学研究所） ； University of Manchester（曼彻斯特大学） 纠错

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

VideoLifter: Lifting Videos to 3D with Fast Hierarchical Stereo Alignment

Wenyan Cong, Hanqing Zhu, Kevin Wang, Jiahui Lei, Colton Stearns, Yuanhao Cai, Leonidas Guibas, Zhangyang Wang, Zhiwen Fan

机构 * UT Austin（德克萨斯大学奥斯汀分校） ； UPenn（宾夕法尼亚大学） ； Stanford（斯坦福大学） ； JHU（约翰霍普金斯大学） 纠错

专题命中 具身推理 ：robotics(abstract)；分类 cs.CV

Comments project page: https://videolifter.github.io

Thinking in Space: How Multimodal Large Language Models See, Remember, and Recall Spaces

Jihan Yang, Shusheng Yang, Anjali W. Gupta, Rilyn Han, Li Fei-Fei, Saining Xie

机构 * New York University（纽约大学） ； Yale University（耶鲁大学） ； Stanford University（斯坦福大学） 纠错

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

Comments Project page: https://vision-x-nyu.github.io/thinking-in-space.github.io/

Causal Temporal Reasoning for Markov Decision Processes

Milad Kazemi, Nicola Paoletti

机构 * Department of Informatics, King's College London（信息学院，伦敦国王学院） 纠错

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

Comments 22 pages and 5 figures

Journal ref Res. dir. Cyber phys. syst. 3 (2025) e3