世界模型

Latent World Models for Automated Driving: A Unified Taxonomy, Evaluation Framework, and Open Challenges

潜在世界模型用于自动驾驶：一种统一的分类法、评估框架和开放挑战

Rongxiang Zeng, Yongqi Dong

机构 * RWTH Aachen University（亚琛工业大学） ； Delft University of Technology（代尔夫特理工大学） 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 本文提出统一的潜在空间框架，整合自动驾驶世界模型的最新进展，探讨潜在表示的分类、评估方法及未来研究方向。

Comments 17 pages, 6 figures, under review by IEEE Transactions on Intelligent Transportation Systems (IEEE-T-ITS)

Kaluza-Klein mode mixing in braneworlds: constraints on scalar absorption and physical degrees of freedom

分支世界中的Kaluza-Klein模式混合：标量吸收和物理自由度的限制

Wen-Xuan Ma, Chun-E Fu

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 研究分支世界中Kaluza-Klein模式混合对标量吸收和物理自由度的影响，揭示混合对warp因子的限制及标量模式吸收机制的改变。

Comments 15 pages, 2 tables

Towards a Neural Debugger for Python

迈向Python的神经调试器

Maximilian Beck, Jonas Gehring, Jannik Kossen, Gabriel Synnaeve

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

AI总结 本文提出神经调试器，通过模拟传统调试器实现交互式代码执行控制，提升神经模型在代码执行预测与逆向推理中的能力。

Comments 22 pages

Learning Convex Decomposition via Feature Fields

通过特征场学习凸分解

Yuezhi Yang, Qixing Huang, Mikaela Angelina Uy, Nicholas Sharp

机构 * NVIDIA ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 本文提出通过特征场学习实现高质量的开放世界凸分解，解决了长期存在的凸分解问题，并实现了首个自监督学习的开放世界模型。

Comments 14 pages, 12 figures