世界模型

Sonata: A Hybrid World Model for Inertial Kinematics under Clinical Data Scarcity

Sonata：一种用于临床数据稀缺情况下的六轴躯干IMU表示学习的混合世界模型

Blaise Delaney, Salil Patel, Yuji Xing, Dominic Dootson, Karin Sevegnani, Chrystalina Antoniades

机构 * TimeTrace Labs（TimeTrace实验室） ； NVIDIA ； University of Oxford（牛津大学） 纠错

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

AI总结 Sonata在临床数据稀缺情况下，通过混合世界模型实现了六轴躯干IMU的高效表示学习，具有更强的临床判别能力、前瞻性跌倒风险预测和跨群体迁移能力。

Comments 18 pages, 3 figures

ARIS: Agentic and Relationship Intelligence System for Social Robots

ARIS：面向社交机器人的代理与关系智能系统

Stavya Datta, Fucai Ke, Leimin Tian, Hamid Rezatofighi

机构 * Monash University（墨尔本大学） 纠错

专题命中 具身与机器人 ：world model(abstract)；world model(abstract)；分类 cs.RO

AI总结 ARIS通过整合多模态推理、图基社会世界模型和检索增强生成技术，提升社交机器人在多轮交互和社会关系推理中的能力，实验显示其在智能感知和用户亲和力方面表现更优。

Learning to Race in Minutes: Infoprop Dyna on the Mini Wheelbot

分钟级学习：信息传播动力学在迷你轮车上的应用

Devdutt Subhasish, Henrik Hose, Sebastian Trimpe

机构 * Institute for Data Science in Mechanical Engineering, RWTH Aachen University（机械工程数据科学研究所，亚琛工业大学） 纠错

专题命中 具身与机器人 ：model-based reinforcement learning(abstract)；分类 cs.LG、cs.RO

AI总结 本文提出利用信息传播动力学框架，使迷你轮车在11分钟内通过真实交互学习赛道竞速，无需依赖物理仿真器。

Comments Originally submitted to the German Robotics Conference, 2026

A Neural Latent Dynamics Approach for Solving Inverse Problems in Cardiac Electrophysiology

用于心脏电生理学逆问题的神经潜在动态方法

Edoardo Centofanti, Giovanni Ziarelli, Simone Scacchi, Luca Franco Pavarino

专题命中 模型式强化学习 ：latent dynamics(title,abstract)

AI总结 本文提出利用潜在动态网络构建高效代理模型，解决心脏电生理学逆问题中的参数恢复难题，通过神经微分方程实现低维参数到ECG信号的映射，减少计算负担并提升临床应用效率。

Comments 29 pages, 9 figures

Latent Trajectory Dynamics in Large Language Models: A Manifold Evolution Framework with Empirical Validation

大语言模型中的潜在轨迹动力学：一种具有实证验证的流形演化框架

Yukun Zhang, Qi Dong, Mengkang Li

机构 * The Chinese University Of Hongkong（香港中文大学） ； Fudan University（复旦大学） 纠错

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

AI总结 本文提出DMET框架，通过轨迹几何指标分析大语言模型生成过程中的潜在表示演化，实验证明其能有效预测文本质量并提升生成控制。