视觉与机器人
面向环境建模、时序预测、仿真规划、具身智能和自动驾驶的世界模型方法与应用。
机构 * DeepMind
专题命中 通用世界模型 ：world model(title,summary_cn)；world models(title,summary_cn)；world model(title,summary_cn)；world models(title,summary_cn)
AI总结 提出Nano World Models，一个基于扩散强迫的极简代码库，用于未来视频预测，支持可控研究世界模型的设计选择，并通过实验分析预测参数化、架构规模等因素对视频预测质量的影响。
Comments Project page: https://simchowitzlabpublic.github.io/nano-world-model/
机构 * Spotify ； University of Cambridge（剑桥大学）
专题命中 通用世界模型 ：world model(title,summary_cn)；world models(title,summary_cn)；world model(title,summary_cn)；world models(title,summary_cn)
AI总结 该研究针对强化学习中延迟奖励导致的信用分配低效问题，提出Explanatory World Models（EWM）框架，结合因果解释等理论设计变体，在多类基准及工业推荐系统上验证其性能优于现有方法。
机构 * UC Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
专题命中 通用世界模型 ：world model(title,summary_cn)；world models(title,summary_cn)；world model(title,summary_cn)；world models(title,summary_cn)
AI总结 该研究提出Beckmann World Models，将贝克曼传输模型的终端图守恒定律适配到动作条件视频预测，通过端点对齐训练解决纯噪声预测的精度问题，在PushT等数据集上显著降低预测误差，提升策略评估性能。
机构 * Tsinghua University（清华大学）
专题命中 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；embodied world model(title,abstract)；world model(title,abstract)
AI总结 本研究提出结构化隐动力学框架HWM，将其集成到具身世界模型中，可提升长视界预测的稳定性与准确性，在多个基准任务上取得显著性能提升。
机构 * Princeton University（普林斯顿大学） ； Temple University（Temple 大学）
专题命中 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；video world model(title,abstract)；world model(title,abstract)
AI总结 本文综述了视频生成模型在机器人学中的应用、研究挑战及未来方向，探讨了其在物理模拟、动作预测和策略评估中的作用及面临的挑战。
专题命中 通用世界模型 ：world model(summary_cn,abstract)；world models(summary_cn,abstract)；embodied world model(summary_cn,abstract)；world model(summary_cn,abstract)
AI总结 本文提出Primitive Embodied World Models，通过限制视频生成时间范围，实现语言与视觉表示的细粒度对齐，降低学习复杂度，提升数据效率，并减少推理延迟，支持复杂任务的组合泛化。
Comments The authors identified issues in the 4D generation pipeline and evaluation that affect result validity. To ensure scientific accuracy, we will revise the methodology and experiments thoroughly before resubmitting. This version should not be cited or relied upon
机构 * Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室） ； Northeastern University（东北大学）
专题命中 通用世界模型 ：world model(title,summary_cn)；world models(title,summary_cn)；world model(title,summary_cn)；world models(title,summary_cn)
AI总结 提出Parallel-Code World Models (PCWMs)，通过推理LLM直接预测并行代码的工具输出，以解决并行代码训练数据稀缺问题，在数据竞争预测和性能分析任务上取得显著提升。
机构 * Department of Computer Science University of Wisconsin-Madison（计算机科学系 明尼苏达大学） ； Department of Computer Science National University of Singapore（计算机科学系 新加坡国立大学）
专题命中 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；embodied world model(title,abstract)；world model(title,abstract)
AI总结 本文提出基于具身世界模型的意图通信方法，通过端到端学习与工程化设计对比，展示在复杂环境下更优的协调能力。
Comments Published in the Proceedings of the 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: Scaling Environments for Agents (SEA). Additionally accepted for presentation in the NeurIPS 2025 Workshop: Embodied World Models for Decision Making (EWM) and the NeurIPS 2025 Workshop: Optimization for Machine Learning (OPT)
机构 * Institution1（机构1） ； Institution2（机构2）
专题命中 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；embodied world model(title,abstract)；world model(title,abstract)
AI总结 本文提出一种带显式记忆的持久具身世界模型，通过视频扩散生成RGB-D观测并聚合为持久三维地图，以该地图为条件实现一致的长时程模拟，并验证其在规划与策略学习中的有效性。
RoboStereo: 双塔4D具身世界模型用于统一策略优化
机构 * Tsinghua University（清华大学） ； X Square Robot ； HKUST（香港科技大学）
专题命中 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；embodied world model(title,abstract)；world model(title,abstract)
AI总结 本文提出RoboStereo，通过双塔4D具身世界模型实现统一策略优化，解决几何幻觉和缺乏统一优化框架的问题，实验显示在细粒度操作任务中平均相对提升超过97%。
机构 * Sorbonne Université（索邦大学）
专题命中 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；driving world model(title,abstract)；world model(title,abstract)
AI总结 MAD通过解耦运动学习与外观合成，高效地将通用视频扩散模型转化为可控的驾驶世界模型，实现低计算成本和高性能
机构 * UC Davis（加州大学戴维斯分校） ； Open Path AI Foundation（Open Path AI基金会）
专题命中 通用世界模型 ：world model(title,summary_cn)；world models(title,summary_cn)；world model(title,summary_cn)；world models(title,summary_cn)
AI总结 本文提出Geometrically-Regularized World Models (GRWM)，通过时间对比学习原理对潜在空间进行几何正则化，提升世界模型的克隆精度和稳定性，解决长周期高保真建模中的几何结构瓶颈。
机构 * Institute of Automotive Technology, Technical University of Munich（慕尼黑工业大学汽车技术研究所）
专题命中 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；driving world model(title,abstract)；world model(title,abstract)
AI总结 研究基于大型视频扩散主干的驾驶世界模型难以控制的问题，提出通过可微能量函数在采样时操控规划轨迹，无需重新训练主干，以Open-Sora 2.0 MM-DiT主干模型为例验证，指出跨流耦合是端到端可控关键。
Comments Accepted to Robotics: Science and Systems 2026 Robot World Models Workshop
GaussianDWM++：用于统一场景理解、编辑与多模态生成的语言接地3D高斯驾驶世界模型
机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院） ； Tsinghua University（清华大学） ； Chongqing Afari Intelligent Drive Co., Ltd.（重庆阿法瑞智能驾驶有限公司） ； Nanyang Technological University（南洋理工大学）
专题命中 通用世界模型 ：world model(title,abstract)；driving world model(title,abstract)；world model(title,abstract)；driving world model(title,abstract)
AI总结 该研究提出GaussianDWM++，通过基础特征高斯分词器等模块构建统一框架，在多类驾驶任务中实现场景理解、编辑与多模态生成，性能达当前最优。
机构 * Oreon Labs（Oreon实验室） ； Cohere Labs Community（Cohere实验室社区）
专题命中 通用世界模型 ：world model(title,abstract)；video world model(title,abstract)；world models(title,abstract)；world model(title,abstract)
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
DreamGen：通过视频世界模型解锁机器人学习中的泛化能力
机构 * NVIDIA ； University of Washington（华盛顿大学） ； KAIST（韩国科学技术院） ； UCLA（加州大学洛杉矶分校） ； UCSD（加州大学圣地亚哥分校） ； CalTech（加州理工学院） ； NTU（国立台湾大学） ； University of Maryland（马里兰大学） ； UT Austin（得克萨斯大学奥斯汀分校）
专题命中 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；video world model(title,abstract)；world model(title,abstract)
AI总结 DreamGen提出一种4阶段流水线，利用视频世界模型生成合成数据训练机器人策略，实现人形机器人22种新行为的环境与行为泛化，并引入DreamGen Bench验证性能。
Comments See website for videos: https://research.nvidia.com/labs/gear/dreamgen
机构 * Sofia University "St. Kliment Ohridski"（索非亚大学） ； ETH Zurich（苏黎世联邦理工学院） ； University of Ulm（乌尔姆大学） ； TUM（慕尼黑工业大学） ； MCML - Munich Center for Machine Learning（慕尼黑机器学习中心） ； Microsoft（微软）
专题命中 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；video world model(title,abstract)；world model(title,abstract)
AI总结 StateCraft将语言模型与视频扩散模型结合，通过解耦抽象状态与视觉状态，在生成式界面基准上超越SOTA，可应用于空间环境，支持状态编辑。
机构 * Mohamed bin Zayed University of Artificial Intelligence, UAE（穆罕默德·本·扎耶德人工智能大学，阿联酋）
专题命中 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；video world model(title,abstract)；world model(title,abstract)
AI总结 WorldCache通过引入运动自适应阈值、显著性加权漂移估计和最优近似方法，实现动态场景下的高效特征重用，提升推理速度并保持高质量。
Comments 33 Pages
DrivingGen：自主驾驶中生成视频世界模型的综合性基准
机构 * University of Toronto（多伦多大学） ； CUHK MMLab（香港中文大学MMLab）
专题命中 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；video world model(title)；world model(title,abstract)
AI总结 DrivingGen提出首个综合性基准，用于评估生成驾驶世界模型的视觉真实性、轨迹合理性、时间一致性和可控性，揭示通用与专用模型间的权衡。
Comments ICLR 2026 Poster; Project Website: https://drivinggen-bench.github.io/
机构 * Tsinghua Laboratory of Brain and Intelligence（清华大学脑科学与智能实验室）
专题命中 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；embodied world model(title,abstract)；world model(title,abstract)
AI总结 探究仅靠稀疏奖励训练的循环智能体在解决程序化迷宫时能否内化空间概念，发现其自发涌现出具身世界模型，为可解释和可迁移的导航策略提供了路径。
Comments Research on explainable meta-reinforcement learning AI
QuantWM：面向世界模型与视频生成的时序一致2比特KV缓存量化
机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； National University of Singapore（新加坡国立大学）
专题命中 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；video world model(title,abstract)；world model(title,abstract)
AI总结 QuantWM提出无需训练的2比特KV缓存量化框架，通过QSAC聚类和PSAC补偿保留注意力logits与token选择，解决视频生成中的时序闪烁，实现高达6.20倍压缩并提升视觉质量。
ForgeWM：面向少步骤动作条件视频世界模型的渐进式因果训练
机构 * CUHK（香港中文大学） ； Tencent PCG（腾讯平台与内容事业群） ； FDU（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； HKUST（香港科技大学）
专题命中 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；video world model(title,abstract)；world model(title,abstract)
AI总结 ForgeWM 是一种渐进式框架，通过多阶段技术将双向动作条件视频生成器转化为少步骤世界模型，在 Minecraft 和 FPS 游戏任务中实现了更优的可控少步骤视频生成性能。
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 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；video world model(title,abstract)；world model(title,abstract)
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。
Agent World Model: 用于智能体强化学习的无限合成环境
机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）
专题命中 通用世界模型 ：world model(title,title_cn)；world model(title,title_cn)；world-model(abstract,abstract_cn)；world-model(abstract,abstract_cn)
AI总结 提出Agent World Model (AWM)全合成环境生成管道，通过代码驱动和数据库支持的环境进行大规模强化学习，使智能体在多样日常场景中泛化。
Comments Accepted to ICML 2026
NRSeg: 通过驾驶世界模型实现噪声鲁棒的BEV语义分割学习
机构 * School of Artificial Intelligence and Robotics and the National Engineering Research Center of Robot Visual Perception and Control Technology, Hunan University（人工智能与机器人学院和机器人视觉感知与控制技术国家工程研究中心，湖南大学）
专题命中 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；driving world model(title,abstract)；world model(title,abstract)
AI总结 NRSeg通过驾驶世界模型生成的合成数据增强BEV语义分割学习，提出PGCM、BiDPP和HLSE模块以提升模型鲁棒性和分割性能。
Comments Accepted to IEEE Transactions on Image Processing (TIP). The source code will be made publicly available at https://github.com/lynn-yu/NRSeg
WorldArena: 一个用于评估具身世界模型感知与功能效用的统一基准
机构 * Tsinghua University, Beijing, China（清华大学） ； Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； The University of Hong Kong, Hong Kong SAR, China（香港大学） ； Princeton University, Princeton, NJ, USA（普林斯顿大学） ； Chinese Academy of Sciences, Beijing, China（中国科学院） ； University of Science（科学技术大学） ； Peking University, Beijing, China（北京大学） ； National University of Singapore, Singapore（新加坡国立大学）
专题命中 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；embodied world model(title,abstract)；world model(title,abstract)
AI总结 WorldArena是一个统一的基准，用于评估具身世界模型的感知和功能效用，揭示高视觉质量与强具身任务能力之间的差距。
机构 * FAIR, Meta Superintelligence Labs ； Mila \& McGill University ； Kempner Institute, Harvard University
专题命中 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；video world model(title,abstract)；world model(title,abstract)
AI总结 该研究通过分析视频模型内部的物理表示，发现其采用分布式表示而非分解表示，揭示了物理信息在模型中的涌现机制和组织方式。
机构 * Shanghai AI Lab（上海人工智能实验室） ； Fudan（复旦大学） ； SJTU（上海交通大学） ； NJUST（南京理工大学） ； THU（清华大学） ； Harvard（哈佛大学） ； ZJU（浙江大学） ； NJU（南京大学） ； USTC（中国科学技术大学） ； Tongji（同济大学） ； HKUST (GZ)（香港科技大学（广州））
专题命中 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；embodied world model(title,abstract)；world model(title,abstract)
AI总结 提出原始具身世界模型（PEWM）以解决具身数据稀疏和高维问题，通过短视界视频生成实现细粒度对齐、降低学习复杂度并提高数据效率。
AeroVerse：用于模拟、预训练、微调和评估航空航天具身世界模型的UAV-Agent基准套件
机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航空信息研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences（中国科学院大学电子电气与通信工程学院） ； Key Laboratory of Target Cognition and Application Technology(TCAT), Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航空信息研究所目标认知与应用技术重点实验室）
专题命中 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；embodied world model(title,abstract)；world model(title,abstract)
AI总结 AeroVerse是一个用于模拟、预训练、微调和评估航空航天具身世界模型的基准套件，包含多个数据集和评估指标，旨在推动航空航天具身智能的发展。
机构 * Wuhan University（武汉大学） ； CowaRobot Co. Ltd.（科沃机器人有限公司） ； University of Zaragoza（萨拉戈萨大学）
专题命中 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；driving world model(title,abstract)；world model(title,abstract)
AI总结 该研究提出MORE框架，在视频预训练时学习面向运动的寄存器作为驾驶世界模型与规划的共享状态接口，在NAVSIM-v2数据集上性能优于现有方法且推理延迟更低。
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