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。

2026-04-02 至 2026-04-02 共收录 2 篇信号源：cs.AI, cs.LG, cs.CV, cs.RO, cs.MA

1. 自动驾驶 2 篇

2604.00969 2026-04-02 cs.CV 93%

DLWM: Dual Latent World Models enable Holistic Gaussian-centric Pre-training in Autonomous Driving

DLWM：双潜在世界模型实现自动驾驶中的整体高斯中心预训练

Yiyao Zhu, Ying Xue, Haiming Zhang, Guangfeng Jiang, Wending Zhou, Xu Yan, Jiantao Gao, Yingjie Cai, Bingbing Liu, Zhen Li, Shaojie Shen

机构 * HKUST（香港科技大学）； CUHK-SZ（香港中文大学（深圳））； USTC（中国科学技术大学）； Huawei Foundation Model Department（华为基础模型部门）

专题命中自动驾驶：world model(title,abstract)；world models(title,abstract)；world model(title,abstract)；world models(title,abstract)

AI总结本文提出DLWM，通过双潜在世界模型实现自动驾驶中的整体高斯中心预训练，提升3D占用感知、4D占用预测和运动规划性能。

Comments Accepted by CVPR 2026

2603.24587 2026-04-02 cs.LG cs.RO 90%

DreamerAD: Efficient Reinforcement Learning via Latent World Model for Autonomous Driving

DreamerAD：通过潜在世界模型实现高效的强化学习用于自动驾驶

Pengxuan Yang, Yupeng Zheng, Deheng Qian, Zebin Xing, Qichao Zhang, Linbo Wang, Yichen Zhang, Shaoyu Guo, Zhongpu Xia, Qiang Chen, Junyu Han, Lingyun Xu, Yifeng Pan, Dongbin Zhao

机构 * Institute of Automation, CAS（中国科学院自动化研究所）； Chongqing Chang’an Technology Co., Ltd（重庆长安科技有限公司）； School of Advanced Interdisciplinary Sciences, UCAS（中国科学院大学先进交叉科学学院）； School of Artificial Intelligence, UCAS（中国科学院大学人工智能学院）

专题命中自动驾驶：world model(title,abstract)；world model(title,abstract)；world models(abstract)；world models(abstract)

AI总结 DreamerAD通过压缩扩散采样将步骤从100步减少到1步，实现80倍加速并保持视觉可解释性，解决了自动驾驶中真实世界数据训练成本高和安全风险大的问题。

Comments authors update