世界模型

Value-guided action planning with JEPA world models

基于JEPA世界模型的价值引导动作规划

Matthieu Destrade, Oumayma Bounou, Quentin Le Lidec, Jean Ponce, Yann LeCun

机构 * École Polytechnique（巴黎高等理工学院） ； ENS Paris（巴黎高等师范学院） ； New York University（纽约大学） 纠错

专题命中 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；world model(title,abstract)；world models(title,abstract)

AI总结 本文提出了一种基于JEPA世界模型的价值引导动作规划方法，通过塑造表示空间提升规划性能。

Comments Presented as a poster at the World Modeling Workshop 2026, Mila

Digital Twin AI: Opportunities and Challenges from Large Language Models to World Models

数字孪生AI：从大语言模型到世界模型的机会与挑战

Rong Zhou, Dongping Chen, Zihan Jia, Yao Su, Yixin Liu, Yiwen Lu, Dongwei Shi, Yue Huang, Tianyang Xu, Yi Pan, Xinliang Li, Yohannes Abate, Qingyu Chen, Zhengzhong Tu, Yu Yang, Yu Zhang, Qingsong Wen, Gengchen Mai, Sunyang Fu, Jiachen Li, Xuyu Wang, Ziran Wang, Jing Huang, Tianming Liu, Yong Chen, Lichao Sun, Lifang He

机构 * Lehigh University（莱文斯顿大学） ； University of Maryland（马里兰大学） ； University of New South Wales（新南威尔士大学） ； Worcester Polytechnic Institute（沃思维尔理工学院） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Notre Dame（圣约翰大学） ； Columbia University（哥伦比亚大学） ； University of Georgia（佐治亚大学） ； Yale University（耶鲁大学） ； Texas A&M University（德克萨斯A&M大学） ； Stanford University（斯坦福大学） ； Squirrel Ai Learning ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Texas Health Science Center at Houston（德克萨斯大学健康科学中心休斯顿分校） ； University of California, Riverside（加州大学河滨分校） ； Florida International University（佛罗里达国际大学） ； Purdue University（普渡大学） ； Children’s Hospital of Philadelphia（费城儿童医院） 纠错

专题命中 通用世界模型 ：world model(title,abstract)；world models(title,abstract)；world model(title,abstract)；world models(title,abstract)

AI总结 本文提出统一的四阶段框架，探讨数字孪生中AI整合的机会与挑战，涵盖建模、镜像、干预和自主管理，强调大语言模型和基础模型的作用。

AlignUSER: Human-Aligned LLM Agents via World Models for Recommender System Evaluation

AlignUSER: 通过世界模型对齐LLM代理以评估推荐系统

Nicolas Bougie, Gian Maria Marconi, Tony Yip, Narimasa Watanabe

机构 * Woven by Toyota（丰田织物） 纠错

专题命中 通用世界模型 ：world model(title,abstract)；world models(title)；world model(title,abstract)；world models(title)

AI总结 AlignUSER通过世界模型驱动的代理学习，利用人类交互数据提升推荐系统评估的准确性与真实用户行为的对齐程度。

Aerial World Model for Long-horizon Visual Generation and Navigation in 3D Space

空域世界模型用于3D空间中的长视距视觉生成与导航

Weichen Zhang, Peizhi Tang, Xin Zeng, Fanhang Man, Shiquan Yu, Zichao Dai, Baining Zhao, Hongjin Chen, Yu Shang, Wei Wu, Chen Gao, Xinlei Chen, Xin Wang, Yong Li, Wenwu Zhu

机构 * Tsinghua University（清华大学） 纠错

专题命中 通用世界模型 ：world model(title,abstract)；world model(title,abstract)；world models(abstract)；world models(abstract)

AI总结 ANWM是一种空域导航世界模型，通过预测未来视觉观察来提升无人机在大规模3D空间中的长视距导航性能。

Coupled Distributional Random Expert Distillation for World Model Online Imitation Learning

世界模型在线模仿学习中的耦合分布随机专家蒸馏

Shangzhe Li, Zhiao Huang, Hao Su

机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； Hillbot（Hillbot公司） ； University of California, San Diego（加州大学圣地亚哥分校） 纠错

专题命中 通用世界模型 ：world model(title,abstract)；world model(title,abstract)；world models(comments)；embodied world model(comments)

AI总结 本研究提出一种基于随机网络蒸馏的耦合分布随机专家蒸馏方法，用于提升世界模型在线模仿学习的稳定性与性能。

Comments NeurIPS 2025 Workshop of Embodied World Models; Code Available at: https://github.com/TobyLeelsz/CDRED-WM

HanoiWorld : A Joint Embedding Predictive Architecture BasedWorld Model for Autonomous Vehicle Controller

HanoiWorld：基于联合嵌入预测架构的世界模型用于自动驾驶控制器

Tran Tien Dat, Nguyen Hai An, Nguyen Khanh Viet Dung, Nguyen Duy Duc

机构 * Faculty of Mathematics and Informatics, Hanoi University of Science and Technology（数学与信息学学院，河内科学技术大学） ； Troy University（特洛伊大学） 纠错

专题命中 通用世界模型 ：world model(title,abstract)；world model(title,abstract)；分类 cs.AI、cs.RO

AI总结 HanoiWorld基于JEPA架构，利用RNN实现自动驾驶中的长期规划，通过实验展示在安全意识下有效降低碰撞率。

Adaptive Intelligence: leveraging insights from adaptive behavior in animals to build flexible AI systems

自适应智能：借鉴动物适应性行为的洞察来构建灵活的AI系统

Mackenzie Weygandt Mathis

机构 * Biological intelligence is inherently adaptive（生物智能本质上是适应性的） 纠错

专题命中 通用世界模型 ：world model(abstract)；world models(abstract)；world model(abstract)；world models(abstract)

AI总结 本文提出通过借鉴动物适应性行为的洞察，构建能够在线学习、泛化和快速适应环境变化的自适应AI系统。

Comments 10 pages, 4 figures

Journal ref Nature Neuroscience Dec 2025

AI Agent Systems: Architectures, Applications, and Evaluation

AI代理系统：架构、应用与评估

Bin Xu

机构 * School of Electrical, Computer and Energy Engineering, Arizona State University（电气、计算机与能源工程学院，亚利桑那州立大学） 纠错

专题命中 通用世界模型 ：world model(abstract)；world models(abstract)；world model(abstract)；world models(abstract)

AI总结 本文综述了AI代理系统在架构、应用与评估方面的最新进展，探讨了代理组件、协调模式及部署设置，并分析了设计权衡与评估挑战。

LSRE: Latent Semantic Rule Encoding for Real-Time Semantic Risk Detection in Autonomous Driving

LSRE: 隐式语义规则编码用于自动驾驶中的实时语义风险检测

Qian Cheng, Weitao Zhou, Cheng Jing, Nanshan Deng, Junze Wen, Zhaoyang Liu, Kun Jiang, Diange Yang

机构 * School of Vehicle and Mobility, Tsinghua University（车辆与移动系统学院，清华大学） 纠错

专题命中 自动驾驶 ：world model(abstract)；world model(abstract)；分类 cs.AI、cs.RO

AI总结 LSRE通过隐式语义规则编码实现自动驾驶中的实时语义风险检测，以10 Hz速度提供高效准确的危险预判。

Controllable Flow Matching for Online Reinforcement Learning

可控流匹配用于在线强化学习

Bin Wang, Boxiang Tao, Haifeng Jing, Hongbo Dou, Zijian Wang

专题命中 模型式强化学习 ：model-based reinforcement learning(abstract)；分类 cs.AI、cs.LG；dynamics model(abstract)

AI总结 CtrlFlow通过条件流匹配直接建模轨迹分布，提升在线强化学习的样本效率和策略鲁棒性。

Knowledge-data fusion dominated vehicle platoon dynamics modeling and analysis: A physics-encoded deep learning approach

基于知识-数据融合的车辆编队动力学建模与分析：一种物理编码深度学习方法

Hao Lyu, Yanyong Guo, Pan Liu, Shuo Feng, Weilin Ren, Quansheng Yue

机构 * School of Transportation, Southeast University, Nanjing, China, 211189（东南大学交通学院） ； Jiangsu Key Laboratory of Urban ITS, Nanjing, China, 210096（江苏省城市智能交通重点实验室） ； Jiangsu Collaborative Innovation Center of Modern Urban Traffic Technologies, Nanjing, China, 210096（江苏省现代城市交通技术协同创新中心） ； Department of Automation, Beijing National Research Center for Information Science and Technology (BNRist), Tsinghua University, Beijing, China, 100084（自动化系，北京信息科学与技术国家研究中心（BNRist），清华大学） 纠错

专题命中 模型式强化学习 ：dynamics model(title,abstract)；分类 cs.AI、cs.RO

AI总结 本文提出PeMTFLN模型，通过物理编码深度学习方法实现车辆编队动力学建模与分析，提升预测精度和稳定性。

Journal ref Information Fusion, Vol. 126, 103622, 2026

On Exact Editing of Flow-Based Diffusion Models

关于基于流的扩散模型的精确编辑

Zixiang Li, Yue Song, Jianing Peng, Ting Liu, Jun Huang, Xiaochao Qu, Luoqi Liu, Wei Wang, Yao Zhao, Yunchao Wei

机构 * Institute of Information Science, Beijing Jiaotong University（信息科学学院，北京交通大学） ； Visual Intelligence +X International Cooperation Joint Laboratory of MOE（视觉智能+X国际合作联合实验室） ； MT Lab, Meitu Inc（美图实验室，美图公司） ； Tsinghua University（清华大学） 纠错

专题命中 模型式强化学习 ：latent dynamics(abstract)；分类 cs.CV

AI总结 CVC通过双视角速度转换机制改进基于流的扩散编辑，实现更稳定的潜在动态和更准确的图像转换。

Dynamics-Invariant Quadrotor Control using Scale-Aware Deep Reinforcement Learning

基于尺度感知深度强化学习的动态不变四旋翼控制

Varad Vaidya, Jishnu Keshavan

机构 * Robert Bosch Centre for Cyber Physical Systems, Indian Institute of Science（罗伯特·博世网络物理系统中心，印度科学研究院） ； Department of Mechanical Engineering, Indian Institute of Science（机械工程系，印度科学研究院） 纠错

专题命中 模型式强化学习 ：latent dynamics(abstract)；分类 cs.RO

AI总结 本文提出一种基于尺度感知深度强化学习的四旋翼控制方法，通过直接优化力/扭矩输入实现动态不变性，有效提升轨迹跟踪精度和鲁棒性。

Comments This work has been submitted to the IEEE for possible publication

Journal ref 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)

Identifying recurrent flows in high-dimensional dissipative chaos from low-dimensional embeddings

从低维嵌入中识别高维耗散混沌中的循环流

Pierre Beck, Tobias M. Schneider

机构 * Emergent Complexity in Physical Systems Laboratory (ECPS), \'Ecole Polytechnique F\'ed\'erale de Lausanne, 1015 Lausanne, Switzerland 纠错

专题命中 模型式强化学习 ：latent dynamics(abstract)；分类 cs.LG

AI总结 本文提出一种在低维嵌入中识别高维耗散混沌系统循环流的方法，通过循环收敛算法和潜在动力学模型实现对UPOs的高效识别。