世界模型

Event-Conditioned Diagnostics of Kinematic, Contact, and Object-Permanence Structure in Passive Object-State World Models

被动对象状态世界模型中运动学、接触和物体恒存场的事件条件诊断

Yang Liu, Yuming Chen

机构 * College of Intelligent Robitcs and Advanced Manufacturing, Fudan University（复旦大学智能机器人与先进制造学院） 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 提出一种诊断协议，测试被动对象状态世界模型中的隐式物理场是否按事件类型组织，并验证场对齐表示对预测的功能影响。

Comments Revised version: updated the title and terminology to use a more conservative latent-structure framing, added a third independent training seed across the evaluated model architectures, and regenerated the corresponding analyses, figures, and numerical results. The public reproducibility repository has also been updated. The main conclusions remain unchanged

Towards Zero-Shot Task Transfer with Neurosymbolic World Models

面向基于神经符号世界模型的零样本任务迁移

Isidoro Tamassia, Lennert De Smet, Giuseppe Marra

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 本研究提出一种神经符号世界模型，通过解耦观测重构与奖励预测，实现无需额外环境交互的零样本任务迁移，其泛化能力优于纯神经方法。

Finite-Sample Metric Non-Collapse for Geometrically Supervised Latent World Models in Control

用于控制的学习型世界模型中的度量非崩溃：逼近理论、有限样本几何保证与确定性规划迁移

Alain Bensoussan, Minh-Nhat Phung, Minh-Binh Tran

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 该研究为非线性确定性控制系统的学习型世界模型构建三部分数学理论，含逼近理论、有限样本几何保证及确定性规划迁移方法，通过数值实验验证了相关方法的有效性。

Comments Revised version prepared in response to the editorial assessment. The main manuscript is 32 pages; detailed mathematical derivations have been moved to the accompanying Supplementary Material. The principal results and contributions are strengthened and clarified

GigaBrain-WBC-0.5: A Behavior World Model for Robust Whole-Body Control with Environment Interaction

GigaBrain-WBC-0.5：一种用于与环境交互的鲁棒全身控制的行为世界模型

Ziyang Cheng, Tianshu Tang, Jinxin Lan, Xinze Chen, Yuhan Gong, Zhichao Liu, Changzhong Wu, Yahao Mao, Zongyan Deng, Mingxuan Ma, Huasen Xi, Yilong Liu, Yutong Wu, Xiaofeng Wang, Yang Wang, Yun Ye, Guan Huang, Xiaojie Jin, Zheng Zhu, Jiwen Lu

专题命中 通用世界模型 ：world model(title,abstract)；world model(title,abstract)；分类 cs.AI、cs.LG、cs.RO

AI总结 该研究提出首个用于人形机器人全身控制的行为世界模型GigaBrain-WBC-0.5，通过训练因果Transformer联合预测动作、状态与指令分布，在多场景下实现鲁棒控制，成功率优于现有基线。

Comments 20 pages, 8 figures, 4 tables. Technical report. Project page: this https URL (https://shepherd1226.github.io/gigabrain-wbc-0.5/)

Population-Scalable Multi-Agent World Modeling

支持种群规模扩展的多智能体世界建模

Renjie Zhao, Yuxiang Wu, Mingyu Zhang, Jiaxin Li, Sisi Li, He Li, Yimin Sheng, Tianxi Tan, Zhenkai Zhang, Jiao Liang, Jianyi Zhu, Yong-Lu Li

机构 * Shanghai Jiao Tong University（上海交通大学） 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 针对多智能体世界模型的种群可扩展性问题，提出无需重训练即可扩展至任意智能体数量的Khora模型，通过解耦世界状态演化与渲染实现跨视图一致性，验证了泛化性并构建了实时交互系统。

Comments Technical report. Project page: this https URL (https://rhos.ai/research/khora). Online demo: this https URL (https://ophilus.ai/khora)

Generated Reality: Human-centric World Simulation using Interactive Video Generation with Hand and Camera Control

生成现实：基于交互式视频生成的人本世界模拟

Linxi Xie, Lisong C. Sun, Ashley Neall, Tong Wu, Shengqu Cai, Gordon Wetzstein

机构 * Stanford University（斯坦福大学） ； NYU Shanghai（纽约大学上海分校） ； UNC Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

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

AI总结 本文提出了一种基于交互式视频生成的人本世界模拟系统，通过结合头部和手部姿态控制，提升虚拟环境的交互性和用户控制感。

Comments Project page here: this https URL (https://codeysun.github.io/generated-reality)

$ϕ$-Scene: Physically Grounded Image-to-3D Scene Reconstruction

$\phi$-Scene: 物理驱动的图像到3D场景重建

Haodong Li, Lulu Shao, Haolin Lu, Yu Fu, Yen-Ru Chen, Seemandhar Jain, Manmohan Chandraker

机构 * University of California San Diego（加州大学圣地亚哥分校） 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 提出$\phi$-Scene方法，将单图像3D场景重建视为拓扑驱动的物理组装过程，通过SDF优化和刚体仿真解决穿透与不稳定接触问题，在3D-Front数据集上取得最优性能。

Comments Project page: this https URL (https://phi-scene.github.io/)

Automatic, Debiased, and Invariant Counterfactual Generation under General Interventions

通用干预下的自动、去偏和不变反事实生成

Raphael C Kim, Jingsen Zhu, Ramin Zabih, Michele Santacatterina

机构 * Cornell Tech（康奈尔科技） ； Cornell University（康奈尔大学） ； Department of Biostatistics, Department of Population Health（生物统计学系、人口健康系） ； New York University Grossman School of Medicine（纽约大学格罗斯曼医学院） 纠错

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

AI总结 提出ADIGen框架，结合Riesz回归、因果不变性和正交统计学习，实现通用干预下反事实生成的自动、去偏和不变性，并提供过剩风险界。

$τ_0$-WM: A Unified Video-Action World Model for Robotic Manipulation

$\tau_0$-WM：一种用于机器人操作的统一视频-动作世界模型

Pengfei Zhou, Shengcong Chen, Di Chen, Jiaxu Wang, Rongjun Jin, Bingwen Zhu, Yike Pan, Songen Gu, Kuanning Wang, Shufeng Nan, Xingyu Qiu, Chenhao Qiu, Pu Yang, Yunuo Cai, Jianxiong Gao, Yifan Li, Yanwei Fu, Xiangyu Yue, Zhi Chen, Jianlan Luo

机构 * Shanghai Innovation Institute（上海创新研究院） ； AGIBOT Finch 纠错

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

AI总结 提出$\tau_0$-WM，一个统一视频-动作世界模型，通过共享视频扩散骨干集成策略学习、视频预测和动作评估，在长时域和精细操作任务上优于基线。

Comments Our project homepge: this https URL (https://tau0-wm.github.io)

ForeTime-VLA: Causal Future-Token Distillation from a World Action Model for Conveyor-Belt Manipulation

ForeTime-VLA：面向传送带操作的世界动作模型的因果未来令牌蒸馏

Siyuan Ma, Yutian Zhang, Boshi Zhang, Qinglian Wu, Jiaqi Zhai, Dong Wei, Xiaojin Huang

机构 * Tsinghua University（清华大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； Hangzhou Yunshenchu Technology Co., Ltd. (DEEP Robotics)（杭州云深处科技有限公司（深地机器人）） 纠错

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 该研究提出ForeTime-VLA策略，通过从冻结Fast-WAM教师模型蒸馏因果未来令牌，在传送带操控任务上降低了MAE和L2误差，提升了抓取成功率，验证了该方法的有效性。

Comments 8 pages, 5 figures. Introduces ForeTime-VLA, a causal future-token distillation method for conveyor-belt manipulation from a frozen world action model teacher

ReWorld: Representation Learning for World Action Models

ReWorld：为世界动作模型学习更好的表示

Tianze Xia, Lijun Zhou, Kaixin Xiong, Jingfeng Yao, Zhenxin Zhu, Haiyang Sun, Bing Wang, Guang Chen, Wenyu Liu, Hangjun Ye, Xinggang Wang

机构 * Huazhong University of Science and Technology（华中科技大学） ； Xiaomi EV（小米汽车） 纠错

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

AI总结 提出ReWorld框架，通过优化中间表示（未来预测监督、跨模态对齐、难负样本监督）提升自动驾驶世界动作模型的规划性能，在nuScenes和NAVSIM上取得显著提升。

Comments 15 pages,5 figures

AlphaClifford: Efficient Clifford Synthesis and Transpilation with Model-based RL

AlphaClifford：基于模型强化学习的高效Clifford电路综合与 transpilation

Daniele Lizzio Bosco, Jacopo Cossio, Carla Piazza, Giuseppe Serra

专题命中 模型式强化学习 ：model-based RL(title,abstract)；model-based reinforcement learning(abstract)；分类 cs.AI

AI总结 本研究提出基于模型强化学习的AlphaClifford框架，用于高效综合Clifford电路，在总门数和CNOT门数上优于现有方法，还可用于硬件约束 transpilation及Clifford+T流程优化，为量子编译提供可扩展途径。

Comments Accepted manuscript to appear in the proceedings of the IEEE International Conference on Quantum Computing and Engineering (QCE 2026). 11 pages, 3 figures. v2: Added discussion and citation of concurrent work by Yeung, Kissinger, and Cornish ( arXiv:2605.10910 (https://arxiv.org/abs/2605.10910) )