世界模型

Deep Visual Foresight for Planning Robot Motion

Chelsea Finn, Sergey Levine

专题命中 具身与机器人 ：model-based reinforcement learning(abstract)；分类 cs.AI、cs.LG、cs.CV；predictive model(abstract)；predictive models(abstract)

Comments ICRA 2017. Supplementary video: https://sites.google.com/site/robotforesight/

Wavefront Propagation and Fuzzy Based Autonomous Navigation

Adel Al-Jumaily, Cindy Leung

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

Journal ref International Journal of Advanced Robotics Systems, Vol.2No2. (2005)

Model-Based Reinforcement Learning Exploits Passive Body Dynamics for High-Performance Biped Robot Locomotion

基于模型的强化学习利用被动身体动力学实现高性能双足机器人运动

Tomoya Kamimura, Haruka Washiyama, Akihito Sano

机构 * Department of Mechanical Science and Bioengineering, Graduate School of Engineering and Science, The University of Osaka（大阪大学机械科学与生物工程学系） ； Department of Electrical and Mechanical Engineering, Nagoya Institute of Technology（名古屋工业大学电气机械学系） 纠错

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

AI总结 本研究利用双足机器人身体的被动性质，通过基于模型的深度强化学习生成行走和跑步运动，发现被动元件能提高运动的鲁棒性和能耗效率。

Localized Graph-Based Neural Dynamics Models for Terrain Manipulation

基于图的神经动力学模型用于地形操控

Chaoqi Liu, Yunzhu Li, Kris Hauser

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Columbia University（哥伦比亚大学） 纠错

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

AI总结 本文提出基于图的神经动力学模型，通过局部化粒子图实现高效地形操控，提升预测精度和计算效率。

Mapless Humanoid Navigation Using Learned Latent Dynamics

Andre Brandenburger, Diego Rodriguez, Sven Behnke

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

Comments Accepted for IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)

Personalized Dynamics Models for Adaptive Assistive Navigation Systems

Eshed Ohn-Bar, Kris Kitani, Chieko Asakawa

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

Comments Oral Presentation in 2nd Conference on Robot Learning (CoRL, 2018)

Data-Model Co-Driven Continuous Channel Map Construction: A Perceptive Foundation for Embodied Intelligent Agents in 6G Networks

数据-模型协同驱动的连续信道图构建：6G网络中具身智能体的感知基础

Tianrun Qi, Cheng-Xiang Wang, Chen Huang, Junling Li, John S Thompson

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

AI总结 本文提出数据-模型协同框架，通过混合射线追踪与几何模型捕捉动态散射体，结合图神经网络实现实时空间插值，提升6G网络中具身智能体的信道感知精度与鲁棒性。

WebATLAS: An LLM Agent with Experience-Driven Memory and Action Simulation

WebATLAS: 一种基于经验驱动记忆和动作模拟的LLM代理

Jiali Cheng, Anjishnu Kumar, Roshan Lal, Rishi Rajasekaran, Hani Ramezani, Omar Zia Khan, Oleg Rokhlenko, Sunny Chiu-Webster, Gang Hua, Hadi Amiri

机构 * University of Massachusetts Lowell（马萨诸塞大学洛威尔分校） ； Amazon Alexa AI（亚马逊Alexa人工智能） 纠错

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

AI总结 WebATLAS通过经验驱动的记忆和前瞻动作模拟，实现无需微调的自主网页导航，成功率达63%。

Comments 9 pages, NeurIPS 2025 Workshop on Language Agents and World Models

ROPES: Robotic Pose Estimation via Score-Based Causal Representation Learning

Pranamya Kulkarni, Puranjay Datta, Burak Varıcı, Emre Acartürk, Karthikeyan Shanmugam, Ali Tajer

机构 * Google DeepMind（谷歌DeepMind） ； Carnegie Mellon University（卡内基梅隆大学） ； Rensselaer Polytechnic Institute（伦塞拉尔理工学院） 纠错

专题命中 具身与机器人 ：world model(comments)；world models(comments)；embodied world model(comments)；分类 cs.LG、cs.RO

Comments A preliminary version of this paper appeared at NeurIPS 2025 Workshop on Embodied World Models for Decision Making

Ghost in the Machine: Examining the Philosophical Implications of Recursive Algorithms in Artificial Intelligence Systems

Llewellin RG Jegels

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

Comments 27 pages

The Umwelt of an Embodied Agent -- A Measure-Theoretic Definition

Nihat Ay, Wolfgang Löhr

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

Comments 16 pages

Journal ref Theory in Biosciences, 134 no. 3, pp. 105-116, 2015

TACTIC: Tactile and Vision Conditioned Contact-Centric Control for Whole-Arm Manipulation

用于全臂操作的触觉和视觉条件下的以接触为中心的控制

Rishabh Madan, Angchen Xie, Samantha Saak, Andres Blanco, Dohyeok Lee, Sarah Grace Brown, Yunting Yan, Mark Zolotas, Jose Barreiros, Tapomayukh Bhattacharjee

机构 * Cornell University（康奈尔大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Toyota Research Institute（丰田研究机构） 纠错

专题命中 具身与机器人 ：latent dynamics(abstract)；分类 cs.AI、cs.RO；dynamics model(abstract)；predictive model(abstract)

AI总结 研究全臂操作问题，提出TACTIC控制器，它采用以接触为中心的混合预测模型，结合多种传感，通过接触雅可比矩阵耦合动力学与运动学，集成到MPC规划器，在模拟和实际任务中表现出色，优于其他方法。

Comments RSS 2026

Knot So Simple: A Minimalistic Environment for Spatial Reasoning

结非简单：一种用于空间推理的极简环境

Zizhao Chen, Yoav Artzi

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

AI总结 KnotGym是一种用于空间推理的极简交互环境，通过不同复杂度的绳子操作任务测试感知、推理与操作整合的挑战。

Comments Fix camera ready footer

Know Thyself: Transferable Visual Control Policies Through Robot-Awareness

Edward S. Hu, Kun Huang, Oleh Rybkin, Dinesh Jayaraman

专题命中 具身与机器人 ：model-based RL(abstract)；分类 cs.LG、cs.CV、cs.RO；dynamics model(abstract)

Comments Updated to ICLR22 version

Online No-regret Model-Based Meta RL for Personalized Navigation

Yuda Song, Ye Yuan, Wen Sun, Kris Kitani

专题命中 具身与机器人 ：model-based reinforcement learning(abstract)；model-based RL(abstract)；分类 cs.LG

Multi-Modal Learning of Keypoint Predictive Models for Visual Object Manipulation

Sarah Bechtle, Neha Das, Franziska Meier

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

Offline Reinforcement Learning from Images with Latent Space Models

Rafael Rafailov, Tianhe Yu, Aravind Rajeswaran, Chelsea Finn

专题命中 具身与机器人 ：model-based RL(abstract)；分类 cs.AI、cs.LG、cs.RO；dynamics model(abstract)

Learning Predictive Representations for Deformable Objects Using Contrastive Estimation

Wilson Yan, Ashwin Vangipuram, Pieter Abbeel, Lerrel Pinto

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

Comments Project website: https://sites.google.com/view/contrastive-predictive-model

Structured 4D Latent Predictive Model for Robot Planning

结构化4D潜在预测模型用于机器人规划

Zhiyi Li, Peilin Wu, Xiaoshen Han, Ruojin Cai, Yilun Du

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

AI总结 提出结构化4D潜在预测模型，在潜在空间中预测场景3D结构演化，实现3D一致的场景理解与机器人规划，在复杂操作任务中优于现有视频基规划器。

System-level Safety Guard: Safe Tracking Control through Uncertain Neural Network Dynamics Models

Xiao Li, Yutong Li, Anouck Girard, Ilya Kolmanovsky

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

DoughNet: A Visual Predictive Model for Topological Manipulation of Deformable Objects

Dominik Bauer, Zhenjia Xu, Shuran Song

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

Comments Under review. 17 pages, 14 figures

Learning to Walk With Less: A Dyna-Style Approach to Quadrupedal Locomotion

少数据驱动的四足机器人行走学习：一种Dyna式方法

Francisco Affonso, Felipe Tommaselli, João H. Aléssio, Vivian S. Medeiros, Mateus V. Gasparino, Girish Chowdhary, Marcelo Becker

专题命中 具身与机器人 ：model-based reinforcement learning(abstract)；分类 cs.AI、cs.RO；predictive model(abstract)

AI总结 该研究提出一种Dyna式方法，结合基于模型的技术改进PPO，在Unitree Go1等四足机器人模拟实验中，大幅减少收敛所需模拟步数与训练时间，同时保持策略性能。

Comments Accepted for publication in IEEE Access. 13 pages, 10 figures, 8 tables

DLAM: Distributional Latent Actions with Temporal Constraints

DLAM：带时间约束的分布隐式动作模型

Zuojin Tang, Feifan Luo, Haoyun Liu, Botai Yuan, Dekang Qi, Ronghan Chen, Yandan Yang, Tong Lin, Xinyuan Chang, Mu Xu, Bin Liu, De Ma, Zhiheng Ma

专题命中 具身与机器人 ：latent dynamics(abstract)；分类 cs.AI、cs.CV、cs.RO

AI总结 该研究针对VLA模型数据稀缺问题，提出带时间约束的分布隐式动作模型DLAM，通过特定约束优化隐式动力学，提升了视频重建效果及机器人操作任务的策略性能。

Robustness without Wrinkles: Parallel Simulation and Robust MPC for Certified Deformable Manipulation

无皱鲁棒性：并行仿真与鲁棒MPC实现可认证的变形体操作

Wei-Chen Li, Jeffrey Fang, Sasanka Polisetti, Yuexi Song, Glen Chou

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 具身与机器人 ：model-based RL(abstract)；分类 cs.AI、cs.LG、cs.RO

AI总结 提出CORD-SLS实时控制方法，通过GPU并行可微仿真与接触平滑实现高效梯度规划，结合鲁棒模型预测控制与共形预测校准，在绳索和布料操作中达到毫秒级规划与高安全性。

Learning Visually Interpretable Oscillator Networks for Soft Continuum Robots from Video

从视频中学习软体连续体机器人的视觉可解释振荡器网络

Henrik Krauss, Johann Licher, Naoya Takeishi, Annika Raatz, Takehisa Yairi

机构 * Department of Advanced Interdisciplinary Studies, The University of Tokyo（东京大学先进跨学科研究系） ； Institute of Assembly Technology and Robotics, Leibniz University Hannover（莱比锡大学汉诺威装配技术与机器人研究所） ； Research Center for Advanced Science and Technology, The University of Tokyo（东京大学先进科学研究中心） 纠错

专题命中 具身与机器人 ：latent dynamics(abstract)；分类 cs.LG、cs.CV、cs.RO

AI总结 提出注意力广播解码器（ABCD）和视觉振荡器网络（VONs），实现从视频中学习软体连续体机器人动力学的视觉和机械可解释性，多步预测误差降低5.8倍。

Comments Code available at: https://github.com/UThenrik/visual_oscillators_for_SCR Dataset available at: https://zenodo.org/records/17812071 Video available at: https://youtu.be/i80H8erVISM

Reinforcement learning for non-prehensile manipulation: Transfer from simulation to physical system

基于非操控操作的强化学习：从仿真到物理系统的迁移

Kendall Lowrey, Svetoslav Kolev, Jeremy Dao, Aravind Rajeswaran, Emanuel Todorov

机构 * University of Washington（华盛顿大学） ； Roboti LLC（Roboti公司） 纠错

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

AI总结 本文提出了一种基于仿真的强化学习方法，用于非操控操作任务，通过在仿真环境中训练策略，成功迁移到物理系统中，且在模型集合训练下提升了策略的鲁棒性。

Comments Accepted at IEEE SIMPAR 2018. Project page: https://sites.google.com/view/phantomsim2real

3D MRI Image Pretraining via Controllable 2D Slice Navigation Task

通过可控的2D切片导航任务进行3D MRI图像预训练

Yu Wang, Qingchao Chen

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Peking University（北京大学） 纠错

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

AI总结 本文提出通过可控2D切片导航任务预训练3D MRI图像，利用动作轨迹控制生成视频动作序列，提升解剖和空间表示学习能力。

Comments 9 pages, 5 figures

Direct Robot Configuration Space Construction using Convolutional Encoder-Decoders

Christopher Benka, Judah Goldfeder, Carl Gross, Riya Gupta, Hod Lipson

机构 * Columbia University Department of Computer Science（哥伦比亚大学计算机科学系） ； Columbia University Data Science Institute（哥伦比亚大学数据科学研究院） 纠错

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

Comments 8 pages, 7 figures, 4 tables; Appeared at the ICML 2025 Workshop on Building Physically Plausible World Models

Learning to Navigate in Mazes with Novel Layouts using Abstract Top-down Maps

Linfeng Zhao, Lawson L. S. Wong

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

Comments Published at Reinforcement Learning Conference (RLC) 2024. Website: http://lfzhao.com/map-nav/

Journal ref Journal-ref: Reinforcement Learning Journal, Volume 5, 2024, Pages 2359-2372

ReKep: Spatio-Temporal Reasoning of Relational Keypoint Constraints for Robotic Manipulation

Wenlong Huang, Chen Wang, Yunzhu Li, Ruohan Zhang, Li Fei-Fei

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