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。

2026-05-26 至 2026-05-26 共收录 2 篇信号源：cs.AI, cs.LG, cs.CV, cs.RO, cs.MA

1. 视频世界模型 2 篇

2605.25077 2026-05-26 cs.CV 96%

WorldCraft: From Camera Navigation to Object Manipulation in Interactive Video World Models

WorldCraft: 从相机导航到交互式视频世界模型中的物体操控

Bohai Gu, Taiyi Wu, Yueyang Yuan, Jian Liu, Xiaocheng Lu, Dazhao Du, Jie Zhang, Jinxiang Lai, Shuai Yang, Xiaotong Zhao, Alan Zhao, Song Guo

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学）； AI Technology Center, Tencent Video, Tencent（腾讯视频AI技术中心，腾讯）； Wuhan University（武汉大学）； Peking University（北京大学）

专题命中视频世界模型：world model(title,abstract)；world models(title,abstract)；video world model(title,abstract)；world model(title,abstract)

AI总结提出WorldCraft框架，通过轨迹控制管道（NWT、SP-LoRA、TASP）将交互式视频世界模型从相机导航扩展到物体级轨迹操控，实现用户指定路径下的物体运动与相机导航共存。

Comments Project page: https://nevsdev.github.io/WorldCraft/

2602.06508 2026-05-26 cs.RO 94%

World-VLA-Loop: Closed-Loop Learning of Video World Model and VLA Policy

World-VLA-Loop: 视频世界模型与VLA策略的闭环学习

Xiaokang Liu, Zechen Bai, Hai Ci, Kevin Yuchen Ma, Mike Zheng Shou

机构 * Show Lab, National University of Singapore（新加坡国立大学Show实验室）

专题命中视频世界模型：world model(title,abstract)；video world model(title,abstract)；world model(title,abstract)；video world model(title,abstract)

AI总结提出World-VLA-Loop框架，通过状态感知视频世界模型联合预测未来帧和二元奖励，并采用协同进化范式迭代优化VLA策略，减少对真实环境交互的依赖。

Comments 16 pages, 9 figures