世界模型

Interpreting Physics in Video World Models

视频世界模型中的物理解释

Sonia Joseph, Quentin Garrido, Randall Balestriero, Matthew Kowal, Thomas Fel, Shahab Bakhtiari, Blake Richards, Mike Rabbat

机构 * FAIR, Meta Superintelligence Labs ； Mila \& McGill University ； Kempner Institute, Harvard University 纠错

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。

GrndCtrl: Grounding World Models via Self-Supervised Reward Alignment

GrndCtrl: 通过自监督奖励对齐实现世界模型的 grounding

Haoyang He, Jay Patrikar, Dong-Ki Kim, Max Smith, Daniel McGann, Ali-akbar Agha-mohammadi, Shayegan Omidshafiei, Sebastian Scherer

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 GrndCtrl通过自监督奖励对齐提升世界模型的几何 grounding，实现更稳定的空间一致性与导航性能。

Cross-View World Models

跨视角世界模型

Rishabh Sharma, Gijs Hogervorst, Wayne E. Mackey, David J. Heeger, Stefano Martiniani

机构 * Simons Center for Computational Physical Chemistry（Simon计算物理化学中心） ； Center for Soft Matter Research, Department of Physics（软物质研究中心，物理系） ； Statespace Labs, Inc.（Statespace公司） ； Center for Neural Science, New York University（神经科学中心，纽约大学） ； Department of Psychology, New York University（心理学系，纽约大学） ； Courant Institute of Mathematical Sciences, New York University（Courant数学科学研究所，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 本文提出跨视角世界模型，通过多视角预测训练智能体在不同视角下进行规划，提升空间感知与多智能体协作能力。

Comments 12 pages, 7 figures

WorldCompass: Reinforcement Learning for Long-Horizon World Models

WorldCompass：用于长周期世界模型的强化学习

Zehan Wang, Tengfei Wang, Haiyu Zhang, Xuhui Zuo, Junta Wu, Haoyuan Wang, Wenqiang Sun, Zhenwei Wang, Chenjie Cao, Hengshuang Zhao, Chunchao Guo, Zhou Zhao

机构 * Zhejiang University（浙江大学） ； Tencent Hunyuan（腾讯混元） ； The University of Hong Kong（香港大学） 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 WorldCompass通过三种创新提升长周期世界模型的交互准确性和视觉保真度。

Comments Project page: \url{https://3d-models.hunyuan.tencent.com/world/}

Vision-Centric 4D Occupancy Forecasting and Planning via Implicit Residual World Models

基于隐式残差世界模型的视觉导向4D占用预测与规划

Jianbiao Mei, Yu Yang, Xuemeng Yang, Licheng Wen, Jiajun Lv, Botian Shi, Yong Liu

机构 * Zhejiang University（浙江大学） ； Shanghai AI Laboratory（上海人工智能实验室） 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IR-WM，通过隐式残差世界模型提升自动驾驶中的4D占用预测与轨迹规划精度。

Comments ICRA 2026

Neural Sabermetrics with World Model: Play-by-play Predictive Modeling with Large Language Model

基于世界模型的神经棒球统计学：利用大语言模型进行逐局预测建模

Young Jin Ahn, Yiyang Du, Zheyuan Zhang, Haisen Kang

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 本文提出基于世界模型的神经棒球统计学，利用大语言模型预测棒球比赛发展，实验证明其在预测投球和挥棒决策上的有效性。

Reinforcement World Model Learning for LLM-based Agents

基于强化学习的世界模型学习用于基于大语言模型的智能体

Xiao Yu, Baolin Peng, Ruize Xu, Yelong Shen, Pengcheng He, Suman Nath, Nikhil Singh, Jiangfeng Gao, Zhou Yu

机构 * Columbia University, New York（哥伦比亚大学） ； Microsoft Research, Redmond（微软研究院） ； Dartmouth College, Hanover（达特茅斯学院） 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 本文提出了一种基于强化学习的世界模型学习方法，用于提升基于大语言模型的智能体在环境动态适应和预测方面的性能。

Comments fixed Nikhil Singh's affiliation

UNeMo: Collaborative Visual-Language Reasoning and Navigation via a Multimodal World Model

UNeMo：通过多模态世界模型实现协作的视觉-语言推理与导航

Changxin Huang, Lv Tang, Zhaohuan Zhan, Lisha Yu, Runhao Zeng, Zun Liu, Zhengjie Wang, Jianqiang Li

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

AI总结 UNeMo通过多模态世界模型实现视觉-语言推理与导航的协作优化，提升导航准确率。

LocDreamer: World Model-Based Learning for Joint Indoor Tracking and Anchor Scheduling

LocDreamer：基于世界模型的联合室内跟踪与锚点调度学习

Geng Wang, Zhouyou Gu, Shenghong Li, Peng Cheng, Jihong Park, Branka Vucetic, Yonghui Li

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

AI总结 LocDreamer通过基于世界模型的框架，实现了联合室内目标跟踪与高效锚点调度，显著提升跟踪精度与资源利用效率。

Journal ref AAAI-26 Workshop Machine Learning for Wireless Communication and Networks (ML4Wireless), 2026

AI-Driven Predictive Modelling for Groundwater Salinization in Israel

驱动型预测建模用于以色列地下水盐化

Laxmi Pandey, Ariel Meroz, Ben Cheng, Ankita Manekar, Abhijit Mukherjee, Meirav Cohen, Adway Mitra

专题命中 通用世界模型 ：predictive model(title,abstract)；分类 cs.LG；predictive models(abstract)

AI总结 本研究利用AI驱动的预测建模方法，分析以色列地下水盐化的主要驱动因素，识别关键气象、地质和人为因素，并通过XAI方法揭示其重要性。

Comments 60 pages, 9 figures in main text and 6 figures in appendix, 2 tables, 3 Appendix

Reduced-order Control and Geometric Structure of Learned Lagrangian Latent Dynamics

降阶控制与学习拉格朗日潜变量的动力学几何结构

Katharina Friedl, Noémie Jaquier, Seungyeon Kim, Jens Lundell, Danica Kragic

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

AI总结 本文提出了一种基于学习的结构保持降阶动态的潜控制框架，用于高维拉格朗日系统，通过量化建模误差来源推导稳定性与收敛性条件，并在模拟和现实系统中验证了控制器的准确性。

Comments 20 pages, 15 figures

An Adaptive Inspection Planning Approach Towards Routine Monitoring in Uncertain Environments

一种面向不确定环境常规监测的自适应检查规划方法

Vignesh Kottayam Viswanathan, Yifan Bai, Scott Fredriksson, Sumeet Satpute, Christoforos Kanellakis, George Nikolakopoulos

机构 * Robotics and AI, Luleå University of Technology（机器人与人工智能，卢勒奥技术大学） 纠错

专题命中 仿真与规划 ：environment model(abstract)；分类 cs.RO

AI总结 本文提出了一种分层框架，用于在不确定环境中通过自适应检查规划实现常规监测。

Comments Accepted to ICRA 2026