世界模型

AcrossWAM1.0:A Modular Latent World-Action Stack for Compact Robot Policies

AcrossWAM1.0：用于紧凑机器人策略的模块化潜在世界-动作栈

Yafei Zhang, Nan Wu

机构 * Across Physical AI（跨物理人工智能机构） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

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

AI总结 该研究针对LaWAM的耦合问题推出AcrossWAM1.0模块化潜在世界-动作栈，在LIBERO实验中实现高成功率，参数规模显著缩小，提供可审计的部署边界。

Self-Aware Active Learning Enables Continual Improvement in Autonomous Driving

自我感知主动学习实现自动驾驶的持续改进

Dong Hu, Chao Huang, Carman K. M. Lee, Dimitrios Kanoulas

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Adelaide University（阿德莱德大学） ； University College London（伦敦大学学院） 纠错

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

AI总结 该研究提出自我感知主动学习框架SAGE，通过生成恐惧与好奇心信号调节风险，在多场景中提升自动驾驶系统鲁棒性、减少安全违规并维持任务性能，实现训练后持续改进。

LNODE: latent dynamics reveal the shared spatiotemporal structure of amyloid-$β$ progression

LNODE：潜变量揭示阿尔茨海默病β淀粉样蛋白进展的共享时空结构

Zheyu Wen, George Biros

专题命中 模型式强化学习 ：latent dynamics(title)

AI总结 LNODE模型通过PET影像校准，揭示阿尔茨海默病β淀粉样蛋白进展的时空结构，具备融合、定量分析和解释能力，展现高参数可识别性和稳定性。

Comments 36 pages, 14 figures

Efficient Real-Time Adaptation of ROMs for Unsteady Flows Using Data Assimilation

利用数据同化高效实时适应不稳流的ROM

Ismaël Zighed, Andrea Nóvoa, Luca Magri, Taraneh Sayadi

专题命中 模型式强化学习 ：latent dynamics(abstract)；分类 cs.LG

AI总结 本文提出一种基于数据同化的高效ROM重训练方法，通过概率性VAE和变压器网络，在稀疏观测下实现快速实时适应不稳流的降阶模型。

Journal ref Computers & Fluids, Volume 319, 2026, 107250,

MobileDreamer: Generative Sketch World Model for GUI Agent

MobileDreamer: 用于GUI代理的生成式草图世界模型

Yilin Cao, Yufeng Zhong, Zhixiong Zeng, Siran Dai, Liming Zheng, Jing Huang, Haibo Qiu, Peng Shi, Wenji Mao

机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Meituan（美团） 纠错

专题命中 仿真与规划 ：world model(title,abstract)；world model(title,abstract)；world-model(abstract)；world-model(abstract)

AI总结 MobileDreamer通过生成式草图世界模型和rollout想象策略，提升GUI代理在长周期任务中的决策能力，任务成功率提升5.25%。

Hydra: A Navigation World Action Model with Discrete Latent Planning and Continuous Flow-Matching Execution

Hydra：一种具有离散潜在规划与连续流匹配执行能力的导航世界动作模型

Mohammad Nazeri, Alexandyr Card, Samira Huber, Anuj Pokhrel, Yujun Wang, Ruben Hammele, Daeun Song, Sören Pirk, Xuesu Xiao

机构 * George Mason University（乔治梅森大学） ； Kiel University（基尔大学） ； Ludwig Maximilian University Munich（慕尼黑大学） ； Ewha Womans University（梨花女子大学） 纠错

专题命中 仿真与规划 ：world model(abstract)；world models(abstract)；world model(abstract)；world models(abstract)

AI总结 本文提出Hydra模型，通过将规划器移入模型内部消除生成模型与规划器的表示不对齐问题，结合离散潜在规划与条件流匹配，在物理机器人平台上的目标导向规划与闭环执行能力表现优异。

Comments 29 pages, 12 figures. https://robotixx.github.io/hydra