世界模型

Beyond Instance Slots: Semantically Rich World Models for Physical Interaction Planning

超越实例槽：面向物理交互规划的语义丰富世界模型

Juntao Cheng, Jingkai Wang, Yijun Shen, Xiansheng Chen, Zhiwei Yu

机构 * Beijing Academy of Artificial Intelligence (BAAI)（北京人工智能研究院） 纠错

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 该研究针对物理交互规划中实例槽无法明确实体任务角色的问题，提出SR-WM模型，通过功能角色绑定实现语义接口，在LIBERO模拟套件等评估中验证了其视觉动力学与规划决策的连接能力。

Where World Models Break: Natural-Input Failure Discovery

世界模型何时失效：自然输入的故障发现

Zhanpeng Shi, Zi Liang, Rong Feng, Shiqin Tang, Xuyang Chen, Hongzong Li

机构 * School of Computer Science, Northwestern Polytechnical University（西北工业大学计算机学院） ； The Hong Kong Polytechnic University（香港理工大学） ； City University of Hong Kong（香港城市大学） ； Department of Electrical and Computer Engineering, National University of Singapore（新加坡国立大学电气与计算机工程系） ； Generative AI Research and Development Center, The Hong Kong University of Science and Technology（香港科技大学生成式人工智能研发中心） 纠错

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 本文针对现有世界模型评估忽略灾难性故障风险的问题，提出 BasinLens 方法，可在有限查询预算下发现自然输入引发的可复现、局部持续的世界模型故障，暴露常规基准未覆盖的漏洞。

From Generation to Simulation: How Far Are World Models from Being True Simulators?

从生成到模拟：世界模型距离真正的模拟器还有多远？

Tong Wang, Huan Deng, Mucheng Yang, Yang He, Xiaohui Kuang, Gang Zhao

机构 * Institute of Systems Engineering, Academy of Military Sciences（军事科学院系统工程研究院） 纠错

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 本研究通过系统评估200篇相关成果，分析了潜在动力学等3条技术路线的世界模型在传统模拟器8项能力上的表现，指出其在状态反馈等方面的缺陷并提出6个研究方向。

Comments 42 pages, 23 figures, 2 tables. Project page: this https URL (https://github.com/AtongWang/world-model-simulators)

Future Querying: Can LLMs Serve as Implicit Medical World Models?

未来查询：大语言模型能否作为隐式医学世界模型？

Siri Willems, James Butterworth, Lore Goetschalckx, Peter Vrancx, Philippe Modard, Elke Giets, Ludovic Denoyer

机构 * imec, AI-labs（imec人工智能实验室） 纠错

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 本研究提出未来查询范式，探究LLMs能否作为隐式医学世界模型，其框架可基于非结构化临床文档运行，经微调的小型开放权重模型性能接近专有系统，在相关数据集上验证了LLMs可捕捉临床动态。

Comments This paper is accepted at The 1st MICCAI Workshop on Medical World Models (MICCAI-2026)

EchoWM: Open and Enterable Omnimodal World Models

EchoWM：开放且可进入的全模态世界模型

Songchun Zhang, Yaowei Li, Junhao Zhuang, Weiyang Jin, Haoyu Wang, Xin Lu, Yilang Sun, Shiyi Zhang, Haoran Li, Xiaoxiao Ma, Yuming Li, Yijun Liu, Yaofeng Su, Yanwen Ma, Haoyu Wu, Zihan Su, Yue Ma, Lvmin Zhang, Haoyang Huang, Zeyue Xue, Anyi Rao, Nan Duan

机构 * HKUST（香港科技大学） ； PKU（北京大学） ； Joy Future Academy, JD（京东探索研究院） ； HKU（香港大学） ； THU（清华大学） ； USTC（中国科学技术大学） ； FDU（复旦大学） ； Beihang University（北京航空航天大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 该研究提出EchoWM全模态世界模型，围绕相机意图组织交互，构建互补数据引擎并采用渐进式训练等方法，在公开基准上实现强轨迹跟随与高视觉质量，支持跨视角交互及长序列多模态同步生成。

Comments 42 pages, 24 figures

MOSH-WM: Mask-Grounded Soft-Hamiltonian Dynamics for Object-Centric World Models

MOSH-WM：面向以对象为中心的世界模型的基于掩码的软哈密顿动力学

Zhekai Wang, Haoxiang Huang, Xiang Liu, Zhikang Chen, Yueqing Sun, Qi Gu, Shiji Zhou, Miao Liu, Sen Cui

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 该研究提出MOSH-WM模型，通过掩码支撑构建软哈密顿动力学，在OBJ3D、CLEVRER数据集的视频预测任务中，相比基线显著降低误差，且误差积累更慢。

DreamMimic: Learning Visuomotor Whole-Body Loco-Manipulation via World Model

DreamMimic：通过世界模型学习视觉运动全身移动操作

Jie Yin, Xingyu Lai

机构 * Tsinghua University（清华大学） 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 DreamMimic 框架通过世界模型辅助蒸馏，将特权教师策略提炼为基于视觉的人形机器人控制器，引入 PCG 平衡引导与探索，在 OMOMO 和 BEHAVE 上提升了视觉移动操作性能。

Comments accepted to IROS2026

LpWM: A Case for Sparse Representations in World Models

LpWM：世界模型中稀疏表示的一个应用案例

Yilun Kuang, Yash Dagade, Quentin Le Lidec, Lucas Maes, Randall Balestriero, Yann LeCun

机构 * NYU（纽约大学） ； Duke University（杜克大学） ； Mila（米拉） ； Brown University（布朗大学） 纠错

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

AI总结 本文提出LpWM模型，以稀疏表示替代密集表示建模动作条件潜在动力学，在PushT任务上规划成功率优于密集模型，且能揭示可解释的动力学结构。

Correcting a learned physical invariant improves world-model rollouts

修正已学习的物理不变量可改进世界模型的滚动预测

Richard Bao

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

AI总结 本研究针对仅用单摆视频训练的DreamerV3，通过无标签搜索发现其学习到类能量不变量，投影隐态回初始水平集可降低保守模型滚动误差，揭示世界模型存在从像素学物理约束却在想象时违反的失效模式。

Comments 10 pages, 5 figures. Code at this https URL (https://github.com/Zarand3r/world-model-invariants)

ReWorld: An Interactive World Model with Long-Horizon Memory

ReWorld：具有长程记忆的交互式世界模型

Zhifei Chen, Luozhou Wang, Guibao Shen, Dongyu Yan, Shuai Yang, Tianshuo Xu, Yihua Du, Wei Wang, Tianyi Gui, Lianghua Huang, Yingcong Chen

机构 * HKUST(GZ)（香港科技大学（广州）） ； ATH, Alibaba（阿里巴巴 ATH 实验室） 纠错

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

AI总结 ReWorld通过训练分离、推理约束解决交互式世界模型的控制与记忆矛盾，结合混合注意力等技术，在三轴评估中优于6种模型，实现长程视频生成与记忆。

Comments 21 pages, 9 figures. Project page: this https URL (https://zhifeichen097.github.io/ReWorld/)

On the Capability Separation Between World-Model Policy Learning and Imitated World-Action Models

世界模型策略学习与模仿世界-动作模型之间的能力分离

Yang Yu

机构 * Nanjing University（南京大学） 纠错

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

AI总结 该研究对比了直接行为克隆策略等三类策略，明确世界-动作模型学习与直接行为克隆的能力差异，指出观测演示无法识别动作效果，干预可实现零遗憾值。

Reading the Room: Implicit Confusion Encoding in Recurrent World Model States

读取房间：循环世界模型状态中的隐式困惑编码

Donald Aadithiyan

机构 * University of Moratuwa（莫拉图瓦大学） 纠错

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

AI总结 该研究发现RSSM架构世界模型（如DreamerV3）的隐藏状态$h_t$含隐式困惑信号，经线性探针、编辑验证其因果性，该信号可在多数控制任务中泛化。

Comments Accepted for presentation at the GlobalSouthAI D&I Workshop at IJCAI 2026. Held in Bremen, Germany on the 17th August 2026

WorldMind: Decoupled Game World Model for State-Aware NPC Behavior

WorldMind：用于状态感知NPC行为的解耦游戏世界模型

Zhiyang Deng, Boran Zhang, Danze Chen, Yeying Jin

机构 * Tencent（腾讯） 纠错

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

AI总结 本研究针对现有游戏世界模型中NPC行为与视频生成绑定的问题，提出首个解耦框架WorldMind，构建BOSS-140K数据集，实验显示其NPC行为更优。

Comments Project page: this https URL (https://teawhite.cn/worldmind_projectpage/)

Reward-Free Continual Adaptation for Resilient Space Robots

面向弹性空间机器人的无奖励持续适应

Andrej Orsula, Miguel Olivares-Mendez, Carol Martinez

机构 * University of Luxembourg（卢森堡大学） 纠错

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 针对空间机器人硬件退化导致传统控制策略失效的问题，提出无奖励持续学习框架，利用隐态世界模型使智能体无需奖励即可适应环境，在三类模拟任务中验证了方法有效性。

Comments Accepted for publication at the Third Conference on AI in and for Space (SPAICE 2026) | The source code is available at this https URL (https://github.com/AndrejOrsula/space_robotics_bench)

Mol-JEPA: A multimodal Joint Embedding Predictive Architecture for Molecules

Mol-JEPA：用于分子的多模态联合嵌入预测架构

Florian Rottach, Sebastian Schieferdecker, William Rudman, Randall Balestriero, Carsten Eickhoff

机构 * University of Tübingen（蒂宾根大学） ； Boehringer Ingelheim（勃林格殷格翰） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Brown University（布朗大学） 纠错

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 针对分子基础模型的化学无效增强等局限，提出Mol-JEPA多模态框架，利用模态掩码融入生化上下文，在基准测试中展现出优异性能。

Bouncing shellworld embedded in charged AdS spacetime

嵌入带电AdS时空的弹跳壳世界

Karma P. Sherpa, Rishi Pokhrel, Indra K. P. Chettri, Tanay K. Dey

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 该研究探讨嵌入五维带电AdS时空的壳世界宇宙演化，发现其非奇异弹跳可化解柯西视界不稳定性，引入体中长弦后弹跳仍存在且规避该不稳定性。

Comments 13 pages and 7 figures

Long-Horizon Audio-Visual Generation for Persistent Stories and Interactive Worlds

面向持续故事与交互世界的长时序视听生成

Nan Duan, Haoyang Huang, Weiyang Jin, Haoran Li, Yaowei Li, Yuming Li, Yijun Liu, Xin Lu, Xiaoxiao Ma, Yanwen Ma, Yaofeng Su, Yilang Sun, Haoyu Wang, Zeyue Xue, Songchun Zhang, Junhao Zhuang

机构 * Joy Future Academy, JD（京东探索研究院） 纠错

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

AI总结 研究针对长时序视听生成的需求，提出JoyAI-Echo-1.5系统，含长视频与世界模型变体，通过专用技术实现跨镜头一致性等性能，在相关基准上取得领先结果，为生成连贯内容提供基础。

Comments Project page: this https URL (https://echo-team-joy-future-academy-jd.github.io/Echo-1.5-Page/)

Tracing the Unlabeled Storm: Cross-Variable Transfer in a Lagrangian Atmospheric JEPA Framework

追踪未标记的风暴：拉格朗日大气JEPA框架中的跨变量迁移

K M Anirudh, S Sandeep, Hariprasad Kodamana

专题命中 通用世界模型 ：world model(abstract)；world model(abstract)；分类 cs.LG

AI总结 该研究提出跨变量代理学习方法，基于M-JEPA在无降水监督下预训练，实现了优于ECMWF集合的季风降水预测，为大气表示迁移提供诊断框架。

Comments 8 pages, 3 figures, plus supplementary material

DigiPhen: a new paradigm for building predictive models of biological systems

DigiPhen：构建生物系统预测模型的新范式

H. Steven Wiley, Angela Cintolesi, Niaz Bahar Chowdhury, Jaydeep P Bardhan, Song Feng, Steven S. Andrews, Herbert M Sauro, Kristin E. Burnum-Johnson, Scott E. Baker, Douglas Mans

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

AI总结 DigiPhen平台是构建生物系统预测模型的新范式，通过集成工作流构建生物数字表征，可预测遗传与环境变化对细胞表型的影响，助力生物系统再工程。

Comments 18 pages, 1 figure and 1 table

Inferring Action from Future Latent State for Robotic Manipulation

从未来隐状态推断机器人操纵动作

Fenghao Lei, Zhixiong Huang, Long Yang, Jiabao Chen, Jie Cheng, Peilin Huang, Han Fu, Zhuo Li, Xiaoxue Ren

机构 * DeepLeap Research（DeepLeap研究院） 纠错

专题命中 具身与机器人 ：world model(abstract)；world model(abstract)；分类 cs.AI、cs.LG、cs.CV

AI总结 本文提出无需视频生成的机器人操纵模型DELE-w0.5，通过从捕获动作相关物理结果的未来隐状态推断动作，在4项长程操纵任务的480次试验中，其性能优于最强基线47.5和30.7个百分点，实现最优表现。

Model-Based Reinforcement Learning for Heterogeneous Multi-Robot Task Assignment Under Distribution Shifts

分布偏移下异构多机器人任务分配的模型强化学习方法

Daniel Garces, Sara Castro, Adrian Haimovich, Byron Crowe, Stephanie Gil

机构 * John A. Paulson School Of Engineering And Applied Sciences, Harvard University（哈佛大学约翰·A·保尔森工程与应用科学学院） ； Harvard Medical School（哈佛医学院） ； Beth Israel Deaconess Medical Center（贝斯以色列女执事医疗中心） ； Stanford University School of Medicine（斯坦福大学医学院） 纠错

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

AI总结 本文提出一种预测感知自适应滚动框架，用于分布偏移下异构多机器人任务分配，在医院护理任务案例中，该方法较多种基线缩短了等待时间，提升了服务覆盖与尾部延迟性能。

Comments 34 pages, 14 figures, 4 tables

RiskWorld: Object-Centric Latent World Modeling for Autonomous Driving Risk Identification

RiskWorld：面向自动驾驶风险识别的以对象为中心的潜在世界建模

Jingzheng Li, Yufei Ge, Qianren Mao, Zhijun Chen, Bing Li, Xingyu Peng, Baochang Zhang, Xianglong Liu

专题命中 自动驾驶 ：world model(title,abstract)；world model(title,abstract)；latent dynamics(abstract)；分类 cs.LG、cs.RO

AI总结 提出 RiskWorld 模型，以对象为中心的潜在世界建模，结合预训练视频表示与自车-对象历史，在 RiskBench 上实现 63.0% F1 和 2.1% 误报率，可有效识别自动驾驶风险。

GeoWAM: Visual Geometry World Action Models for Autonomous Driving

GeoWAM：面向自动驾驶的视觉几何世界动作模型

Yiren Lu, Xin Ye, Jiaming Liu, Jin Yao, Yi-chung Chen, Liam Merino, Dhruva Dixith Kurra, Min Cai, Tom Lampo, Yu Yin, Danhua Guo, Burhan Yaman

机构 * Uber AV Labs（优步自动驾驶实验室） ； Case Western Reserve University（凯斯西储大学） 纠错

专题命中 自动驾驶 ：world model(abstract)；world model(abstract)；分类 cs.CV、cs.RO

AI总结 该研究提出 GeoWAM，一种用于自动驾驶的视觉几何世界动作模型，通过预训练预测未来场景几何来学习动力学，经评估其生成的驾驶策略比图像基方案更强，确立未来几何预测为自动驾驶有效预训练目标。

LD4WAM: Learning Latent Dynamics from Human Videos for World Action Models

LD4WAM：从人类视频学习世界动作模型的潜在动力学

Zhenhao Shen, Jiaqi Liang, Jasper Lu, Feng Jiang, Yuran Wang, Chuanbo Wei, Jiayi Liu, Jianchun Yang, Qize Yu, Jiadi You, Ce Hao, Guanqi He, Chen Xie, Ruihai Wu

专题命中 模型式强化学习 ：latent dynamics(title,abstract)；分类 cs.RO；dynamics model(abstract)

AI总结 LD4WAM通过运动对齐的潜在动力学，结合语义重建与真实运动对齐训练的潜在动力学模型和MoT架构的世界动力学动作模型，在RoboTwin仿真及真实机器人上表现良好，可泛化到未见物体与背景。