视觉与机器人
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。
统一驾驶令牌：面向驾驶世界模型和规划的表示与几何引导的离散分词器
机构 * Peking University（北京大学） ； Xiaomi EV（小米电动车）
专题命中 通用世界模型 ：world model(title,abstract)；world models(title)；driving world model(title)；world model(title,abstract)
AI总结 提出一种表示引导与几何增强的离散分词器，通过联合监督学习紧凑令牌，同时优化重建保真度、表示一致性和规划性能。
迈向生物医学研究的世界模型
机构 * State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing, China（网络与交换技术国家重点实验室，北京邮电大学，北京，中国） ； Department of Engineering Science, University of Oxford, Oxford, United Kingdom（英国牛津大学工程科学系，牛津，英国） ； Institute of Medical Artificial Intelligence, South China Hospital, Medical School, Shenzhen University, Shenzhen, Guangdong, China（医学人工智能研究所，南方医院，医学学院，深圳大学，深圳，广东，中国） ； Zhongguancun Academy & Zhongguancun Institute of Artificial Intelligence, Beijing, China（中关村学院及中关村人工智能研究院，北京，中国） ； Beijing National Research Center for Information Science and Technology (BNRist), Tsinghua University, 100084, Beijing, China（北京信息科学与技术国家研究中心（BNRist），清华大学，100084，北京，中国） ； Department of Chemical and Nano Engineering, University of California, San Diego, La Jolla, CA, USA（美国加州大学圣地亚哥分校化学与纳米工程系，La Jolla，CA，美国） ； Nanyang Technological University, Singapore（新加坡南洋理工大学） ； Monash Biomedicine Discovery Institute and Department of Biochemistry and Molecular Biology, Monash University, Melbourne, Victoria, Australia（莫纳什大学生物医学发现研究所和生物化学与分子生物学系，墨尔本，维多利亚，澳大利亚） ； David R. Cheriton School of Computer Science, University of Waterloo, Waterloo, Ontario, Canada（加拿大滑铁卢大学戴维·R·切里顿计算机科学学校，滑铁卢，安大略，加拿大） ； Department of ICT and Center for AI Research, University of Agder (UiA), Jon Lilletuns vei 9, Grimstad, Norway（挪威阿格德大学（UiA）信息与通信技术系及人工智能研究中心，Jon Lilletuns vei 9，Grimstad，挪威） ； Department of Electronic Engineering, Tsinghua University, Beijing, China（清华大学电子工程系，北京，中国）
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 提出生物医学世界模型作为AI驱动发现的新范式，通过学习分子、细胞、组织和临床状态的潜在表征及干预条件动态，实现未来轨迹模拟，并探讨其在虚拟细胞、类器官、虚拟患者和手术模拟等应用中的潜力。
WorldFly: 基于世界模型的视觉-语言-动作模型用于无人机导航
机构 * Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院） ； BNRist, Tsinghua University（清华大学北京研究院）
专题命中 通用世界模型 ：world-model(title,abstract)；world-model(title,abstract)；world model(abstract)；world models(abstract)
AI总结 提出WorldFly框架，通过双分支耦合流匹配机制联合生成未来视频预测和导航动作，解决城市峡谷中严重遮挡和视角剧变下的无人机导航问题。
PiL-World: 用于VLA策略环内评估的块式世界模型
机构 * Tongji University（同济大学） ； AIRC, Midea Group（美的集团人工智能研究院）
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 提出PiL-World，一种块式世界模型，通过交替VLA推理和世界模型预测实现闭环评估，无需真实机器人执行，显著降低成功率估计误差。
OSCAR: 面向机器人的全具身骨架条件世界动作模型
机构 * Peking University（北京大学） ； University of Michigan（密歇根大学） ； NVIDIA（英伟达）
专题命中 通用世界模型 ：world model(title,abstract)；world model(title,abstract)；world models(abstract)；video world model(abstract)
AI总结 提出OSCAR，一种基于动作条件的视频世界模型，通过大规模数据管道和2D骨架渲染统一表示，实现跨机器人具身的泛化，并用于策略评估。
Comments Project page: https://wuzy2115.github.io/oscar-project-page/
世界-语言-动作模型：统一世界建模、语言推理与动作合成
机构 * SJTU（上海交通大学） ； SII（上海研究院） ； HUST（华中科技大学） ； SCUT（华南理工大学） ； ECUST（东华大学） ； SHU（上海大学） ； NJUPT（南京工业大学）
专题命中 通用世界模型 ：world model(title,abstract)；world model(title,abstract)；分类 cs.AI、cs.RO
AI总结 提出世界-语言-动作（WLA）模型，通过自回归Transformer联合预测文本子任务、子目标图像和机器人动作，融合世界建模与语言推理能力，实现多任务和长时域任务的最优性能。
Comments 19 pages, 10 figures
从观察中学习理论化世界
机构 * University of Washington（华盛顿大学）
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 受认知科学启发，提出Learning-to-Theorize范式，通过神经理论家（NEO）模型从原始非文本观测中推断显式解释性理论，实现基于解释的泛化。
LeWorldModel：从像素稳定端到端联合嵌入预测架构
机构 * Mila & Université de Montréal（Mila与蒙特利尔大学） ； New York University（纽约大学） ； Samsung SAIL（三星SAIL） ； Brown University（布朗大学）
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 本文提出LeWorldModel，一种通过仅使用两个损失项从原始像素稳定端到端训练的联合嵌入预测架构，显著减少了可调损失超参数，并在多种2D和3D控制任务中表现出色，同时在物理结构编码和物理不合理的事件检测方面展示了其能力。
DexFuture: 用于双手灵巧工具使用的分层未来状态视觉运动目标
机构 * UC San Diego（圣迭戈大学）
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 提出DexFuture分层系统，通过高层未来状态视觉运动目标预测器和低层目标条件结构化灵巧策略，实现双手灵巧工具使用，达到90%的特权oracle性能，运行速度60Hz，比DexWM式CEM规划快约250倍。
膜世界中费米子Kaluza-Klein模式混合
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 研究厚膜世界模型中背景扰动导致的费米子Kaluza-Klein模式混合，通过精确奇异值分解揭示宇称依赖的耦合与空间极化现象。
表示学习实现可扩展的多任务深度强化学习
机构 * Mila – Québec AI Institute（魁北克AI研究所） ； Université de Montréal（蒙特利尔大学） ； McGill University（麦吉尔大学） ； CIFAR AI Chair（CIFAR人工智能 chair） ； Google DeepMind（谷歌DeepMind）
专题命中 通用世界模型 ：world-model(abstract)；world-model(abstract)；model-based RL(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出一种结合预测性表示学习与高容量值函数近似的无模型算法MR.Q，在无需规划的情况下，在多任务连续控制任务中超越基于世界模型的方法和多种深度强化学习基线，并显著降低计算开销。
面向物流具身智能的数据飞轮
机构 * Peking University（北京大学） ； JD Logistics（京东物流） ； HKUST (Guangzhou)（香港科技大学（广州））
专题命中 具身与机器人 ：world model(abstract)；world models(abstract)；world-model(abstract)；world model(abstract)
AI总结 提出一种数据驱动的物流具身智能框架，通过构建数据飞轮将日常操作转化为可复用数据资产，利用世界模型生成长尾包裹操作的可靠监督，并整合多模态数据实现策略持续改进。
Open-H-Embodiment: 一个大规模数据集，用于在医疗机器人中启用基础模型
机构 * Open-H-Embodiment Consortium ； University of California, Berkeley（加州大学伯克利分校） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Southern California（南加州大学） ； University of Cambridge（剑桥大学） ； University of Tokyo（东京大学） ； University of Tokyo, Graduate School of Information Science and Technology（东京大学信息科学与技术研究生院） ； University of Tokyo, Institute of Industrial Science（东京大学工业科学研究所）
专题命中 具身与机器人 ：world model(abstract)；world model(abstract)；分类 cs.AI、cs.RO
AI总结 本文提出Open-H-Embodiment数据集，通过两个基础模型展示了其在医疗机器人领域的应用，展示了大规模开放数据在推动机器人学习和世界建模方面的关键作用。
Comments Project website: https://open-h.github.io/open-h-embodiment/
PLAN-S：通过潜在风格动态桥接规划以实现自动驾驶世界模型
机构 * Intelligent Transportation Thrust, Systems Hub, and Center of Seamless Connectivity & Connected Intelligence, The Hong Kong University of Science and Technology (Guangzhou)（智能交通 thrust、系统中心及无缝连接与智能连接研究院，香港科学与技术大学（广州））
专题命中 自动驾驶 ：world model(title,abstract)；world models(title,abstract)；driving world model(title)；world model(title,abstract)
AI总结 提出PLAN-S框架，通过从潜在表示解码风格条件语义成本图，解决自动驾驶中潜在世界模型规划的可控性问题，在nuScenes和NAVSIM上降低了碰撞率并提升了驾驶性能。
思考与想象：基于世界模拟器的智能视觉空间推理
机构 * The University of Hong Kong（香港大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Beihang University（北航大学）
专题命中 仿真与规划 ：world-model(abstract)；world-model(abstract)；分类 cs.CV
AI总结 提出Astra框架，通过强化学习训练VLM策略与Bagel世界模拟器交互，在推理中生成想象视觉证据，解决空间推理中的未观察布局、跨视角一致性和替代视角推理问题。
Comments Project page: https://zcmax.github.io/projects/Thinking-With-Imagination
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈