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。

2026-03-26 至 2026-03-26 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 3 篇

2510.02315 2026-03-26 cs.CV 84%

FOCUS: Optimal Control for Multi-Entity World Modeling in Text-to-Image Generation

FOCUS：多实体世界建模中的最优控制

Eric Tillmann Bill, Enis Simsar, Thomas Hofmann

机构 * ETH Zürich（苏黎世联邦理工学院）

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

AI总结本文提出FOCUS框架，通过将流匹配转化为随机最优控制，解决文本生成图像中多实体场景的属性泄露和身份纠缠问题，提出两种算法提升多实体对齐性能。

Comments Project Page: https://ericbill21.github.io/FOCUS/

2603.24440 2026-03-26 cs.LG cs.AI cs.CV 83%

CUA-Suite: Massive Human-annotated Video Demonstrations for Computer-Use Agents

CUA-Suite：大规模人工标注的视频演示用于计算机使用代理

Xiangru Jian, Shravan Nayak, Kevin Qinghong Lin, Aarash Feizi, Kaixin Li, Patrice Bechard, Spandana Gella, Sai Rajeswar

机构 * ServiceNow ； University of Waterloo（多伦多大学）； Mila ； Université de Montréal（蒙特利尔大学）； McGill University（麦吉尔大学）； University of Oxford（牛津大学）； National University of Singapore（新加坡国立大学）

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 CUA-Suite通过提供连续高质量视频演示和密集标注，解决计算机使用代理训练中视频数据不足的问题，包含约55小时的专家视频和600万帧数据，支持多模态研究。

Comments Project Page: https://cua-suite.github.io/

2603.24541 2026-03-26 cs.CV cs.AI 82%

SEGAR: Selective Enhancement for Generative Augmented Reality

SEGAR：生成增强现实的定向增强

Fanjun Bu, Chenyang Yuan, Hiroshi Yasuda

机构 * Cornell University（康奈尔大学）； Cornell Tech（康奈尔科技）； Toyota Research Institute（电装研究院）

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 SEGAR结合扩散世界模型与定向修正阶段，实现生成增强现实中的区域特定编辑与安全区域对齐，为未来帧的生成、缓存和定向修正提供基础。