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。

2026-02-02 至 2026-02-02 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

2601.22647 2026-02-02 cs.AI 93%

Test-Time Mixture of World Models for Embodied Agents in Dynamic Environments

动态环境中具身智能体的测试时间世界模型混合

Jinwoo Jang, Minjong Yoo, Sihyung Yoon, Honguk Woo

机构 * Department of Computer Science and Engineering（计算机科学与工程系）； Sungkyunkwan University（庆尚大学）

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 TMoW通过测试时间更新路由函数，提升具身智能体在动态环境中的适应性与持续学习能力。

Comments Accepted at ICLR 2026. 10 pages. Code available at https://github.com/doldam0/tmow

2505.13709 2026-02-02 cs.LG cs.AI 91%

Policy-Driven World Model Adaptation for Robust Offline Model-based Reinforcement Learning

基于策略驱动的世界模型适应的鲁棒性离线模型驱动强化学习

Jiayu Chen, Le Xu, Aravind Venugopal, Jeff Schneider

机构 * The University of Hong Kong, Hong Kong SAR（香港大学）； INFIFORCE Intelligent Technology Co., Ltd., Hangzhou, China（INFIFORCE智能技术有限公司）； Tsinghua University, Beijing, China（清华大学）； Carnegie Mellon University, Pittsburgh, PA 15213, USA（卡内基梅隆大学）

专题命中通用世界模型：world model(title,abstract)；world model(title,abstract)；model-based reinforcement learning(title)；model-based RL(abstract)

AI总结本文提出了一种基于策略驱动的世界模型适应框架，通过最大化最小优化问题和Stackelberg学习动态提升离线模型驱动强化学习的鲁棒性。

2. 模型式强化学习 1 篇

2601.22484 2026-02-02 cs.LG 50%

Mitigating Cognitive Inertia in Large Reasoning Models via Latent Spike Steering

通过潜在尖峰引导缓解大推理模型中的认知惯性

Seojin Lee, ByeongJeong Kim, Hwanhee Lee

机构 * Department of Artificial Intelligence, Chung-Ang University, Seoul, Korea（人工智能系， Chung-Ang 大学，首尔，韩国）

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

AI总结 STARS通过监测潜在动态，实时引导大推理模型缓解认知惯性问题，提升推理准确性和效率。

Comments 21 pages, 6 figures