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。

2026-01-30 至 2026-01-30 共收录 3 篇信号源：cs.AI, cs.LG, cs.CV, cs.RO, cs.MA

1. 模型式强化学习 3 篇

2410.00564 2026-01-30 cs.LG cs.AI 84%

Scaling Offline Model-Based RL via Jointly-Optimized World-Action Model Pretraining

通过联合优化的世界-动作模型扩展离线模型基于的强化学习

Jie Cheng, Ruixi Qiao, Yingwei Ma, Binhua Li, Gang Xiong, Qinghai Miao, Yongbin Li, Yisheng Lv

机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，自动化研究所，中国科学院）； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）； Alibaba Group（阿里巴巴集团）

专题命中模型式强化学习：model-based RL(title,abstract)；world model(abstract)；world model(abstract)；分类 cs.AI、cs.LG

AI总结 JOWA通过联合优化的世界-动作模型扩展离线RL，实现高效泛化和高性能

Comments Accepted by ICLR 2025

2601.21988 2026-01-30 cs.LG cs.AI cs.MA cs.RO cs.SY eess.SY 56%

Generalized Information Gathering Under Dynamics Uncertainty

在动态不确定性下的一般信息收集

Fernando Palafox, Jingqi Li, Jesse Milzman, David Fridovich-Keil

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校）； DEVCOM Army Research Laboratory（陆军研究实验室）

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

AI总结本文提出了一种统一框架，用于在动态不确定性下一般化信息收集，通过解耦动态模型、信念更新等选择与信息收集成本，提供理论依据和实验验证。

2509.00190 2026-01-30 cs.CL cs.AI 50%

Explainable Chain-of-Thought Reasoning: An Empirical Analysis on State-Aware Reasoning Dynamics

可解释的链式思维推理：对状态感知推理动态的实证分析

Sheldon Yu, Yuxin Xiong, Junda Wu, Xintong Li, Tong Yu, Xiang Chen, Ritwik Sinha, Jingbo Shang, Julian McAuley

机构 * University of California San Diego（加州大学圣地亚哥分校）； Adobe Research（Adobe研究）

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

AI总结本文提出了一种状态感知的转换框架，通过结构化潜在动态分析链式思维推理的语义演变和转换，提升推理过程的可解释性。

Comments 5 pages, 4 figures