视觉与机器人

世界模型

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。

2026-01-16 至 2026-01-16 共收录 3 篇信号源：cs.AI, cs.LG, cs.CV, cs.RO, cs.MA

1. 通用世界模型 2 篇

2511.00423 2026-01-16 cs.LG cs.AI cs.RO 89%

Bootstrap Off-policy with World Model

通过世界模型进行Bootstrap离策略学习

Guojian Zhan, Likun Wang, Xiangteng Zhang, Jiaxin Gao, Masayoshi Tomizuka, Shengbo Eben Li

机构 * College of AI & School of Vehicle and Mobility, Tsinghua University（人工智能学院与车辆与移动系统学院，清华大学）； Berkeley AI Research (BAIR), UC Berkeley（伯克利人工智能研究（BAIR），加州大学伯克利分校）

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

AI总结 BOOM通过整合规划与离策略学习，利用世界模型和无参数动作分布提升策略性能，在高维控制任务中实现训练稳定性和最终性能的突破。

Comments NeurIPS 2025

2601.10592 2026-01-16 cs.CV 69%

Action100M: A Large-scale Video Action Dataset

Action100M：一个大规模视频动作数据集

Delong Chen, Tejaswi Kasarla, Yejin Bang, Mustafa Shukor, Willy Chung, Jade Yu, Allen Bolourchi, Theo Moutakanni, Pascale Fung

机构 * University of Amsterdam（阿姆斯特丹大学）

专题命中通用世界模型：world model(abstract)；world model(abstract)；分类 cs.CV

AI总结 Action100M通过自动化流程生成大规模视频动作数据集，用于提升视频理解和世界建模的可扩展研究。

2. 模型式强化学习 1 篇

2601.10690 2026-01-16 cs.LG 50%

Data-driven stochastic reduced-order modeling of parametrized dynamical systems

数据驱动的随机降阶建模：参数化动力系统

Andrew F. Ilersich, Kevin Course, Prasanth B. Nair

机构 * University of Toronto Institute for Aerospace Studies（多伦多大学航空航天研究所）

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

AI总结本文提出了一种数据驱动的随机降阶建模方法，通过概率自编码器和随机微分方程联合学习，实现跨参数空间的泛化和高效建模。