世界模型

EmbodieDreamer: Advancing Real2Sim2Real Transfer for Policy Training via Embodied World Modeling

Boyuan Wang, Xinpan Meng, Xiaofeng Wang, Zheng Zhu, Angen Ye, Yang Wang, Zhiqin Yang, Chaojun Ni, Guan Huang, Xingang Wang

机构 * GigaAI ； Institute of Automation, Chinese Academy of Sciences（自动化研究所） ； Peking University（北京大学） 纠错

专题命中 具身与机器人 ：world model(title)；embodied world model(title)；world model(title)；embodied world model(title)

Comments Project Page: https://embodiedreamer.github.io/

PhysMani: Physics-principled 3D World Model for Dynamic Object Manipulation

PhysMani：基于物理原理的动态物体操作3D世界模型

Peng Yun, Shouwang Huang, Hao Li, Jinxi Li, Jianan Wang, Bo Yang

机构 * vLAR Group, The Hong Kong Polytechnic University（香港理工大学vLAR Group） ； Astribot 纠错

专题命中 具身与机器人 ：world model(title,abstract)；world model(title,abstract)；world models(abstract)；world models(abstract)

AI总结 提出PhysMani框架，结合物理原理的3D高斯世界模型与未来感知动作策略模型，通过在线优化学习无散度高斯速度场预测动态，在16个任务基准上超越基线方法。

Comments ECCV 2026. Code and data are available at: https://github.com/vLAR-group/PhysMani

RoDyn: Taming Interactive Robot-Dynamic 2.5D World Model for Robotic Manipulation

RoDyn: 驯服交互式机器人动态2.5D世界模型用于机器人操作

Chuanrui Zhang, Zhengxian Wu, Guanxing Lu, Yansong Tang, Ziwei Wang

机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； Tsinghua University, Beijing, China（清华大学，北京，中国） 纠错

专题命中 具身与机器人 ：world model(title,abstract)；world model(title,abstract)；world models(abstract)；world models(abstract)

AI总结 提出RoDyn，一种几何感知的2.5D世界模型，通过机器人动态分词器和掩码引导自回归架构，在高效潜在空间中建模环境动态，提升生成保真度并显著改善下游强化学习和模仿学习性能。

LaDi-WM: A Latent Diffusion-based World Model for Predictive Manipulation

Yuhang Huang, Jiazhao Zhang, Shilong Zou, Xinwang Liu, Ruizhen Hu, Kai Xu

机构 * National University of Defense Technology（国防科技大学） ； Peking University（北京大学） ； Shenzhen University（深圳大学） 纠错

专题命中 具身与机器人 ：world model(title,abstract)；world model(title,abstract)；world models(abstract)；world models(abstract)

Comments CoRL 2025

IRASim: A Fine-Grained World Model for Robot Manipulation

Fangqi Zhu, Hongtao Wu, Song Guo, Yuxiao Liu, Chilam Cheang, Tao Kong

机构 * Hong Kong University of Science and Technology（香港科技大学） ； ByteDance Seed（字节跳动种子） 纠错

专题命中 具身与机器人 ：world model(title,abstract)；world model(title,abstract)；world models(abstract)；world models(abstract)

Comments Opensource, project website: https://gen-irasim.github.io

Journal ref ICCV 2025

WorldEval: World Model as Real-World Robot Policies Evaluator

Yaxuan Li, Yichen Zhu, Junjie Wen, Chaomin Shen, Yi Xu

机构 * Midea Group（美的集团） ； East China Normal University（华东师范大学） 纠错

专题命中 具身与机器人 ：world model(title,abstract)；world model(title,abstract)；world models(abstract)；world models(abstract)

Comments The project page is available at https://worldeval.github.io

Ctrl-World: A Controllable Generative World Model for Robot Manipulation

Ctrl-World: 一个可控制的生成世界模型用于机器人操作

Yanjiang Guo, Lucy Xiaoyang Shi, Jianyu Chen, Chelsea Finn

机构 * Stanford University（斯坦福大学） ； Tsinghua University（清华大学） 纠错

专题命中 具身与机器人 ：world model(title,abstract)；world model(title,abstract)；world models(abstract)；world models(abstract)

AI总结 本文提出了一种可控的多视图世界模型，用于评估和改进通用机器人策略的指令遵循能力，通过姿态条件化记忆检索和帧级动作条件化实现长时一致性和精确动作控制，提升策略成功率44.7%。

Comments 17 pages

FlowDreamer: A RGB-D World Model with Flow-based Motion Representations for Robot Manipulation

Jun Guo, Xiaojian Ma, Yikai Wang, Min Yang, Huaping Liu, Qing Li

机构 * State Key Laboratory of General Artificial Intelligence (BIGAI)（通用人工智能国家重点实验室（BIGAI）） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； School of Artificial Intelligence, Beijing Normal University（北京师范大学人工智能学院） ； School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） 纠错

专题命中 具身与机器人 ：world model(title,abstract)；world model(title,abstract)；world models(abstract)；world models(abstract)

Comments Project page: see https://sharinka0715.github.io/FlowDreamer/

S2-HWM: Sparse Event-Structured Hierarchical World Model for Long-Horizon Surgical Robot Manipulation

S2-HWM：用于长程外科机器人操作的稀疏事件结构化分层世界模型

Shuzhe Zhang, Xin Zhu, Yinling Qian, Qiong Wang

专题命中 具身与机器人 ：world model(title,abstract)；world model(title,abstract)；world-model(abstract)；world-model(abstract)

AI总结 针对长程外科机器人操作奖励稀疏、进展隐含的问题，提出S2-HWM模型，通过事件证据协调管理器与工作器，在SurRoL的PegTransfer任务上成功率达98.7%，优于基准模型。

WEAVER, Better, Faster, Longer: An Effective World Model for Robotic Manipulation

$\texttt{WEAVER}$：更好、更快、更长——一种有效的机器人操作世界模型

Arnav Kumar Jain, Yilin Wu, Jesse Farebrother, Gokul Swamy, Andrea Bajcsy

机构 * Mila - Québec AI Institute（Mila - 魁北克人工智能研究所） ； Université de Montréal（蒙特利尔大学） ； Carnegie Mellon University（卡内基梅隆大学） ； McGill University（麦吉尔大学） 纠错

专题命中 具身与机器人 ：world model(title,abstract)；world model(title,abstract)；world models(abstract)；world models(abstract)

AI总结 提出WEAVER世界模型架构，通过流匹配损失训练多视图潜在预测，同时实现高保真度、长程一致性和高效推理，在机器人操作任务中显著提升策略评估、改进和测试时规划性能。

Embody4D: A Generalist Data Engine for Embodied 4D World Modeling

Embody4D: 面向具身4D世界建模的通用数据引擎

Peiyan Tu, Hanxin Zhu, Jingwen Sun, Shaojie Ren, Cong Wang, Yuyan Xu, Jiayi Luo, Xiaoqian Cheng, Zhibo Chen

机构 * Zhejiang University（浙江大学） ； Beijing Zhongguancun Academy（北京中关村学院） ； University of Science and Technology of China（中国科学技术大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Shanghai Jiao Tong University（上海交通大学） ； Beihang University（北京航空航天大学） 纠错

专题命中 具身与机器人 ：world model(title,abstract)；world model(title,abstract)；video world model(abstract)；video world model(abstract)

AI总结 提出Embody4D视频到视频世界模型，通过3D感知合成管道、潜在置信度专家调制和交互注意力机制，将单目机器人视频转换为多视角视频，解决具身智能中视角稀疏问题，提升下游规划与学习性能。

AR Forcing: Towards Long-Horizon Robot Navigation World Model

AR Forcing: 迈向长时域机器人导航世界模型

Yifei Yang, Zehua Fan, Huan Li, Aoqi Wang, Lida Huang, Haibao Yu, Haiyan Liu, Xuanyao Mao, Jason Bao, Liang Xu, Bingchuan Sun, Yan Wang

机构 * Institute for AI Industry Research, Tsinghua University（清华大学人工智能产业研究院） ； Shanghai Jiao Tong University（上海交通大学） ； School of Safety Science, Tsinghua University（清华大学安全科学学院） ； The University of Hong Kong（香港大学） ； Lenovo, Beijing, China（北京联想公司） 纠错

专题命中 具身与机器人 ：world model(title,abstract)；world model(title,abstract)；world models(abstract)；world models(abstract)

AI总结 提出AR Forcing自回归训练策略，通过将扩散损失集成到自回归训练循环中，解决训练与推理分布偏移问题，提升长时域导航中图像一致性和轨迹预测精度。

SWEET: Sparse World Modeling with Image Editing for Embodied Task Execution

SWEET：基于图像编辑的稀疏世界建模用于具身任务执行

Yiren Song, Yihan Wang, Xiyao Deng, Zhuoran Yan, Mike Zheng Shou

机构 * Show Lab, National University of Singapore（新加坡国立大学Show实验室） ； Central South University（中南大学） 纠错

专题命中 具身与机器人 ：world model(title,abstract)；world model(title,abstract)；world models(abstract)；world models(abstract)

AI总结 本文研究图像编辑模型能否作为稀疏视觉世界模型用于机器人操作，通过预测任务级未来状态而非密集视频生成，提出SWEET框架实现稀疏视觉规划，结合语言指令和空间引导生成关键帧，并通过扩散动作预测器生成可执行动作，实验表明其在不同场景中提升关键帧预测能力。

TriVLA: A Triple-System-Based Unified Vision-Language-Action Model with Episodic World Modeling for General Robot Control

Zhenyang Liu, Yongchong Gu, Sixiao Zheng, Yanwei Fu, Xiangyang Xue, Yu-Gang Jiang

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

专题命中 具身与机器人 ：world model(title,abstract)；world model(title,abstract)；world models(abstract)；world models(abstract)

Embodied GPT-5.1: Evidence of a World Model?

具身化GPT-5.1：世界模型的证据？

Roberto Spinelli, Thiago C. Martins

专题命中 具身与机器人 ：world model(title,journal_ref)；world model(title,journal_ref)；world-model(abstract)；world-model(abstract)

AI总结 研究探索无实体化训练的GPT-5.1能否控制物理移动机器人，通过低分辨率图像和离散动作集执行任务。它展现出空间推理等新兴能力，但也有效率和感知局限。结果挑战传统观点，促使深入研究大语言模型中物理理解相关问题。

Comments 6 pages, 16 figures. Published in the 2026 Brazilian Conference on Robotics (CROS)

Journal ref R. Spinelli and T. C. Martins, "Embodied GPT-5.1: Evidence of a World Model?," 2026 Brazilian Conference on Robotics (CROS), pp. 394-399, 2026

TacForeSight: Force-Guided Tactile World Model for Contact-Rich Manipulation

TacForeSight：面向接触丰富操作的力引导触觉世界模型

Yujie Zang, Yuhang Zheng, Xian Nie, Yupeng Zheng, Shuai Tian, Songen Gu, Chen Gao, Zining Wang, Shuicheng Yan, Wenchao Ding

机构 * TARS Robotics ； National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Fudan University（复旦大学） 纠错

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

AI总结 提出TacForeSight框架，通过力条件触觉世界模型预测触觉潜动态，结合预测性触觉条件策略实现高频操作下的主动接触推理，在动态接触干扰下优于现有方法。

RoboHorizon: An LLM-Assisted Multi-View World Model for Long-Horizon Robotic Manipulation

Zixuan Chen, Jing Huo, Yangtao Chen, Yang Gao

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

Comments Under review

PIVOT-R: Primitive-Driven Waypoint-Aware World Model for Robotic Manipulation

Kaidong Zhang, Pengzhen Ren, Bingqian Lin, Junfan Lin, Shikui Ma, Hang Xu, Xiaodan Liang

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

Comments Accepted to NeurIPS 2024

Multi-Modal World Model for Physical Robot Interactions: Simultaneous Visual and Tactile Predictions for Enhanced Accuracy

多模态世界模型用于物理机器人交互：同时进行视觉和触觉预测以提高准确性

Willow Mandil, Amir Ghalamzan-E

机构 * University of Lincoln（林肯大学） ； University of Sheffield（谢菲尔德大学） 纠错

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

AI总结 本文提出多模态世界模型，通过整合视觉和触觉信息提升机器人物理交互的预测精度，特别是在物理模糊场景中表现更优。

Comments This paper is accepted for publication in Robotics and Autonomous Systems

Inference-Time Enhancement of Generative Robot Policies via Predictive World Modeling

生成式预测控制：通过预测世界建模增强推理时间的机器人策略

Han Qi, Haocheng Yin, Aris Zhu, Yilun Du, Heng Yang

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

AI总结 GPC通过预测世界建模在推理时间提升机器人策略，结合生成先验与前瞻性预测，实现测试时间适应，优于行为克隆并与其他基线方法相媲美。

Comments Acceptance to IEEE Robotics and Automation Letters. Website: https://computationalrobotics.seas.harvard.edu/GPC

Cosmos-H-Surgical: Learning Surgical Robot Policies from Videos via World Modeling

Cosmos-H-Surgical: 通过世界建模学习手术机器人策略

Yufan He, Pengfei Guo, Mengya Xu, Zhaoshuo Li, Andriy Myronenko, Dillan Imans, Bingjie Liu, Dongren Yang, Mingxue Gu, Yongnan Ji, Yueming Jin, Ren Zhao, Baiyong Shen, Daguang Xu

机构 * NVIDIA ； The Chinese University of Hong Kong（香港中文大学） ； Sung Kyun Kwan University（全州大学） ； Wenzhou Medical University（温州医学院） ； National University of Singapore（新加坡国立大学） ； Ruijin Hospital（瑞金医院） 纠错

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

AI总结 本文提出通过世界建模学习手术机器人策略，利用合成数据和逆动力学模型提升自主手术能力。

Real-World Robot Control by Deep Active Inference With a Temporally Hierarchical World Model

通过时序分层世界模型的深度主动推断实现现实世界的机器人控制

Kentaro Fujii, Shingo Murata

机构 * Graduate School of Integrated Design Engineering, Keio University（Keio大学整合设计工程研究院） 纠错

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

AI总结 本文提出一种结合时序分层世界模型的深度主动推断框架，用于在不确定环境中实现机器人高成功率的操作与探索性动作切换。

Comments Accepted for publication in IEEE Robotics and Automation Letters (RA-L)

ENACT: Evaluating Embodied Cognition with World Modeling of Egocentric Interaction

ENACT：通过视角交互的世界建模评估具身认知

Qineng Wang, Wenlong Huang, Yu Zhou, Hang Yin, Tianwei Bao, Jianwen Lyu, Weiyu Liu, Ruohan Zhang, Jiajun Wu, Li Fei-Fei, Manling Li

机构 * Northwestern University（西北大学） ； Stanford University（斯坦福大学） ； UCLA（加州大学洛杉矶分校） 纠错

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

AI总结 ENACT通过视角交互的世界建模评估具身认知，揭示VLMs在长周期交互中与人类表现差距扩大，且模型在逆向任务中表现更优。

Comments Preprint version

Robot Learning from a Physical World Model

Jiageng Mao, Sicheng He, Hao-Ning Wu, Yang You, Shuyang Sun, Zhicheng Wang, Yanan Bao, Huizhong Chen, Leonidas Guibas, Vitor Guizilini, Howard Zhou, Yue Wang

机构 * Google DeepMind（谷歌DeepMind） ； USC（美国斯克利普斯大学） ； Stanford（斯坦福大学） ； Toyota Research Institute（丰田研究机构） 纠错

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

Comments Project page: https://pointscoder.github.io/PhysWorld_Web/

NavForesee: A Unified Vision-Language World Model for Hierarchical Planning and Dual-Horizon Navigation Prediction

NavForesee: 一种统一的视觉-语言世界模型用于分层规划和双时间尺度导航预测

Fei Liu, Shichao Xie, Minghua Luo, Zedong Chu, Junjun Hu, Xiaolong Wu, Mu Xu

机构 * Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 NavForesee通过统一的视觉-语言模型实现分层规划和双时间尺度导航预测，结合任务分解与环境预测，提升复杂场景下的导航能力。

MetaWorld-X: Hierarchical World Modeling via VLM-Orchestrated Experts for Humanoid Loco-Manipulation

MetaWorld-X: 通过VLM协调的专家实现人形机器人的分层世界建模

Yutong Shen, Hangxu Liu, Penghui Liu, Jiashuo Luo, Yongkang Zhang, Rex Morvley, Chen Jiang, Jianwei Zhang, Lei Zhang

机构 * University of Hamburg（汉堡大学） ； School of Information Science and Technology, Beijing University of Technology（信息科学与技术学院，北京理工大学） ； School of Information Science and Engineering, Fudan University（信息科学与工程学院，复旦大学） ； University of Alberta（阿尔伯塔大学） 纠错

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

AI总结 MetaWorld-X通过VLM协调的专家实现人形机器人分层世界建模，解决loco-manipulation任务中的控制策略泛化问题。

Comments 8 figures, https://syt2004.github.io/metaworldX/

3DFlowAction: Learning Cross-Embodiment Manipulation from 3D Flow World Model

Hongyan Zhi, Peihao Chen, Siyuan Zhou, Yubo Dong, Quanxi Wu, Lei Han, Mingkui Tan

机构 * South China University of Technology（南方科技大学） ； Tencent Robotics X（腾讯机器人实验室） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； Pazhou Laboratory（琶洲实验室） 纠错

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

FLARE: Robot Learning with Implicit World Modeling

Ruijie Zheng, Jing Wang, Scott Reed, Johan Bjorck, Yu Fang, Fengyuan Hu, Joel Jang, Kaushil Kundalia, Zongyu Lin, Loic Magne, Avnish Narayan, You Liang Tan, Guanzhi Wang, Qi Wang, Jiannan Xiang, Yinzhen Xu, Seonghyeon Ye, Jan Kautz, Furong Huang, Yuke Zhu, Linxi Fan

机构 * NVIDIA ； University of Maryland, College Park（马里兰大学） ； Nanyang Technological University（南洋理工大学） ； University of Texas, Austin（德克萨斯大学） 纠错

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

Comments Project Webpage / Blogpost: https://research.nvidia.com/labs/gear/flare

Bird's Eye View Based Pretrained World model for Visual Navigation

Kiran Lekkala, Chen Liu, Laurent Itti

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

Comments Under Review at the IROS 2024; Accepted at NeurIPS 2023, Robot Learning Workshop

Pathdreamer: A World Model for Indoor Navigation

Jing Yu Koh, Honglak Lee, Yinfei Yang, Jason Baldridge, Peter Anderson

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

Comments In ICCV 2021