世界模型

ConfAL-WM: Confidence-Guided Active Learning for Action-Conditioned World Models

ConfAL-WM：用于动作条件世界模型的置信度引导主动学习

Xiang Liu, Sen Cui, Changshui Zhang

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 models(title,abstract)；world model(title,abstract)；world models(title,abstract)

AI总结 针对动作条件世界模型在新场景下的局部错误问题，提出ConfAL-WM框架，基于EVAC和UNet实现置信度引导的高效数据选择与局部训练增强，在RoboTwin2.0上验证了其提升训练效率与预测质量的效果。

Comments Project page: this https URL (https://ConfAL-WM.github.io)

Code World Model: Coding Agent as World Brain

代码世界模型：作为世界大脑的编码智能体

Yiwen Chen, Guosheng Lin, Chi Zhang

机构 * Westlake AGI Lab（西湖AGI实验室） 纠错

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

AI总结 本文提出Code World Model框架，以编码智能体为世界大脑生成可执行代码维持世界状态，结合视频模型实现视觉渲染，在游戏数据微调后取得良好效果，为开放式世界模型提供新路径。

Comments Project Page: this https URL (https://buaacyw.github.io/cwm/)

Agentic Game Development as a Verifiable Trajectory Data Engine for Scaling World Models

智能体游戏开发：用于扩展世界模型的可验证轨迹数据引擎

Pengfei Zhou, Hexin Wang, Zhengfeiyang Zhang, Yixing Ma, Zhenglin Wan, Kaipeng Zhang, Wangbo Zhao, Yang You

机构 * Cardinal AI Lab（卡迪纳尔人工智能实验室） ； University of California, Berkeley（加州大学伯克利分校） ； Hong Kong University of Science and Technology（香港科技大学） ； National University of Singapore（新加坡国立大学） ； HPC-AI Lab（高性能计算与人工智能实验室） 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 本文指出扩展世界模型的传统策略效率低，提出将游戏开发作为可验证轨迹数据引擎，构建RLHEV后训练范式，为空间世界模型提供高质量奖励信号与长程轨迹数据。

Rollout-Decoded Reconstruction for Long-Horizon Prediction in Latent World Models

用于潜在世界模型长时序预测的回推解码重构

Rishi Shah, Rishav Shrestha

机构 * E3A Healthcare（E3A医疗保健公司） 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 本文提出回推解码重构（RDR）损失项，提升了潜在世界模型在混沌Kuramoto-Sivashinsky方程上的长时序预测性能，参数规模不变且仅增加训练开销。

Comments 15 pages, 6 figures

4DStreamCtrl: Interactive Video Generation with Online 4D Control

4DStreamCtrl：基于在线4D控制的交互式视频生成

Shiqian Li, Chenguo Lin, Zhiguang Liu, Yu Tang, Jiarong Ou, Rui Chen, Yixin Zhu

机构 * Peking University（北京大学） ； Tencent Hunyuan（腾讯混元） 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 4DStreamCtrl将相机运动、物体轨迹与深度统一为3D点轨迹表示，结合蒸馏的因果流式模型，首次实现交互式4D可控实时视频生成，精度与效率均优于现有方法。

Comments 23 pages

4DGS-WAM: Bridging Past and Future with an Object-Centric World Action Model based on 4D Gaussian Splatting

4DGS-WAM：基于4D高斯溅射的以对象为中心的世界动作模型，连接过去与未来

Yueen Ma, Zenglin Xu, Irwin King

机构 * The Chinese University of Hong Kong（香港中文大学） ； Shanghai Academy of AI for Science（上海人工智能科学研究院） ； Fudan University（复旦大学） 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 本研究提出基于4D高斯溅射的以对象为中心的世界动作模型4DGS-WAM，将2D观测转为持久4D表示，复用静态内容以聚焦动态对象演化，在KITTI-MOT上完成短程预测与过去重建评估。

Comments This is a work in progress

A Spatially-Aware Publish-Subscribe Middleware for IoT Applications

面向物联网应用的空间感知发布-订阅中间件

Philipp Ungrund, Kurt Rothermel, Sukanya Bhowmik

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

AI总结 针对物联网应用中空间感知中间件缺失的问题，提出基于 MQTT5 协议的空间感知发布-订阅中间件，实验验证其效率高、开销小且可部署于现有 IoT 设备。

GaussianDream++: Efficient 3D Gaussian World Modeling for Robotic Manipulation

Yuqing Jiang, Zijian Zhang, Weitao Zhou, Jiawei Wang, Junjie He, Lei Yang, Haifang Qing, Si Liu, Ding Zhao, Ping Luo, Haibao Yu

机构 * Tuojing Intelligence（拓境智能） ； University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Tsinghua University（清华大学） ； University of Science and Technology of China（中国科学技术大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanyang Technological University（南洋理工大学） ； Beihang University（北京航空航天大学） ； Carnegie Mellon University（卡内基梅隆大学） ； The University of Hong Kong（香港大学） 纠错

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

Comments 17 pages, 4 figures

PRISM: Projection-Integrated Sampling-Based MPC with Bayesian Cost Tuning for Bimanual Manipulation

PRISM：用于双臂操作的集成投影的基于采样的模型预测控制框架（MPC），结合贝叶斯成本调优

Alinjar Dan, Iryna Hurova, Karl Kruusamäe, Arun Kumar Singh

机构 * University of Tartu（塔尔图大学） 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 本文提出PRISM框架，结合QP引导采样策略与定制QP求解器、贝叶斯优化调优成本，在PerAct²任务上提升双臂操作鲁棒性与成功率，实现仿真到真实的迁移。