世界模型

Black-Box Data-efficient Policy Search for Robotics

Konstantinos Chatzilygeroudis, Roberto Rama, Rituraj Kaushik, Dorian Goepp, Vassilis Vassiliades, Jean-Baptiste Mouret

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

Comments Accepted at the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2017; Code at http://github.com/resibots/blackdrops; Video at http://youtu.be/kTEyYiIFGPM

Reinforcement Learning via Recurrent Convolutional Neural Networks

Tanmay Shankar, Santosha K. Dwivedy, Prithwijit Guha

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

Comments Accepted at the International Conference on Pattern Recognition, ICPR 2016

A genetic algorithm for autonomous navigation in partially observable domain

Maxim Borisyak, Andrey Ustyuzhanin

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

Multi-Robot Adversarial Patrolling: Facing a Full-Knowledge Opponent

Noa Agmon, Gal A. Kaminka, Sarit Kraus

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

Journal ref Journal Of Artificial Intelligence Research, Volume 42, pages 887-916, 2011

Robot Self-Improvement via Human-Video Dynamics Models

机器人通过人类视频动力学模型自我改进

Hanzhi Chen, Anran Zhang, Simon Schaefer, Kejia Chen, Shi Chen, Daniel Cremers, Oier Mees, Stefan Leutenegger

机构 * ETH Zurich（苏黎世联邦理工学院） ； Technical University of Munich（慕尼黑工业大学） ； Microsoft（微软） ； MCML（慕尼黑机器学习中心） 纠错

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

AI总结 提出DGAC方法，利用人类视频学习跨本体的动作、动力学和价值表征，使机器人能从自身失败中自主改进，在7个真实操作任务中将成功率从40%提升至81%。

DYMO-Hair: Generalizable Volumetric Dynamics Modeling for Robot Hair Manipulation

DYMO-Hair: 通用的体积动力学建模用于机器人头发操控

Chengyang Zhao, Uksang Yoo, Arkadeep Narayan Chaudhury, Giljoo Nam, Jonathan Francis, Jeffrey Ichnowski, Jean Oh

机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人学院） ； Epic Games, Inc.（Epic Games公司） ； Meta Codec Avatars Lab（Meta编码人像实验室） ； Bosch Center for Artificial Intelligence（博世人工智能中心） 纠错

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

AI总结 DYMO-Hair通过体积动力学建模和动作条件化潜在状态编辑机制，实现了对多样化发型的通用化机器人头发护理系统，实验表明其在未见过的发型上表现更优。

Comments To appear in ICRA 2026. Project page: https://dymohair.github.io/

Hybrid Dynamics Modeling and Trajectory Planning for a Cable-Trailer System with a Quadruped Robot

混合动力学建模与电缆-拖车系统四足机器人的轨迹规划

Wentao Zhang, Shaohang Xu, Gewei Zuo, Bolin Li, Jingbo Wang, Lijun Zhu

机构 * School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（人工智能与自动化学院，华中科技大学） ； Department of Data Science, City University of Hong Kong（数据科学系，城市大学） ； Embodied AI Center of Shanghai AI Lab（上海人工智能实验室具身智能中心） 纠错

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

AI总结 本文提出了一种混合动力学模型和搜索算法，用于四足机器人与电缆-拖车系统的轨迹规划，通过几何多边形碰撞避免约束实现安全高效的运动控制。

Comments 8 pages, 8 figures, Accept by RA-L 2025

Learned Perceptive Forward Dynamics Model for Safe and Platform-aware Robotic Navigation

Pascal Roth, Jonas Frey, Cesar Cadena, Marco Hutter

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

Comments To be published in the proceedings of Robotics: Science and Systems (RSS) 2025

Dynamic Cloth Manipulation Considering Variable Stiffness and Material Change Using Deep Predictive Model with Parametric Bias

Kento Kawaharazuka, Akihiro Miki, Masahiro Bando, Kei Okada, Masayuki Inaba

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

Comments Accepted at Frontiers in Neurorobotics

Focused Adaptation of Dynamics Models for Deformable Object Manipulation

Peter Mitrano, Alex LaGrassa, Oliver Kroemer, Dmitry Berenson

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

Comments Project Website: https://sites.google.com/view/focused-adaptation-dynamics/home

RoboWalk: Explicit Augmented Human-Robot Dynamics Modeling for Design Optimization

S. Ali A. Moosavian, Mahdi Nabipour, Farshid Absalan, Vahid Akbari

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

Virtual Forward Dynamics Models for Cartesian Robot Control

Stefan Scherzinger, Arne Roennau, Rüdiger Dillmann

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

Comments Preprint of submission to Journal of Intelligent & Robotic Systems (JINT), 16 pages, 13 figures

MiDAS: A Multimodal Data Acquisition System and Dataset for Robot-Assisted Minimally Invasive Surgery

MiDAS：一种用于机器人辅助微创手术的多模态数据采集系统和数据集

Keshara Weerasinghe, Seyed Hamid Reza Roodabeh, Andrew Hawkins, Zhaomeng Zhang, Zachary Schrader, Homa Alemzadeh

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

AI总结 MiDAS是一种开源多模态数据采集系统，能够实现机器人辅助微创手术的非侵入式数据采集，并发布首个高保真仿真模型的缝合任务数据集。

Comments 29 pages, 17 figures

Stochastic Multiple Shooting Trajectory Optimization via Sequential Local Policy Evaluation

基于序贯局部策略评估的随机多射击轨迹优化

Ashwin Gupta, Joseph Moore

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

AI总结 本文提出一种基于序贯局部策略评估的随机多射击轨迹优化方法，通过优化短控制动作序列提升样本效率与终端集收敛性，可用于黑盒动力学的基于模型强化学习，在三类欠驱动任务中验证了其有效性。

Beyond Independent Manipulation: Individual Fairness-aware Strategic Classification with Peer Imitation

超越独立操纵：具有同伴模仿的个体公平感知策略分类

Xinpeng Lv, Chunyuan Zheng, Yunxin Mao, Renzhe Xu, Jinxuan Yang, Yuanlong Chen, Wangrong Huang, Shaowu Yang, Wenjing Yang, Xinwang Liu, Peng Cui, Haotian Wang

机构 * College of Computer Science and Technology, National University of Defense Technology（国防科技大学计算机科学与技术学院） ； School of Mathematical Sciences, Peking University（北京大学数学学院） ； Institute for Theoretical Computer Science, Shanghai University of Finance and Economics（上海财经大学理论计算机科学研究所） ； Information Technology Development, Aetos Capital Group, Sydney（悉尼Aetos资本集团信息技术部） ； Faculty of Computing, Harbin Institute of Technology（哈尔滨工业大学计算机学院） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） 纠错

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

AI总结 提出个体公平感知策略分类（IFSC）框架，通过建模基于个体公平的同伴驱动操纵（模仿邻近被接受同伴），并采用鲁棒学习过程处理同伴可观测性不确定性，以改善个体公平一致性并减轻模仿引起的扭曲。

Comments Accepted by SIGKDD2026

Fast Human Attention Prediction for Fixation-guided Active Perception in Autonomous Navigation

用于自主导航中注视引导主动感知的快速人类注意力预测

Fatma Youssef Mohammed, Grzegorz Malczyk, Kostas Alexis

机构 * Norwegian University of Science and Technology (NTNU)（挪威科技大学） 纠错

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

AI总结 提出GazeLNN，一种基于液态神经网络和MobileNetV3的轻量级扫描路径预测模型，在MIT低分辨率数据集上达到最优性能，计算成本降低99.40%，推理速度提升6倍，并集成到强化学习训练的主动相机-机器人控制策略中，实现自主导航中的注视引导感知。

Comments Accepted to the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

MuGen: Multi-Skill Generative Locomotion Controller for Humanoid Robots

MuGen: 人形机器人的多技能生成式运动控制器

Yusen Feng, Xiang Wang, Heyuan Yao, Zixi Kang, Xinyu Huo, Boyang Yu, Pengyun Qiu, Ruijie Zhao, Baoquan Chen, Libin Liu

机构 * Peking University（北京大学） 纠错

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

AI总结 提出MuGen框架，利用VQ-VAE和教师-学生策略蒸馏，从异构人类运动数据中学习生成式运动表示，使人形机器人能够执行多技能运动并模仿未见过的动作。

MoSA: Motion-constrained Stress Adaptation for Mitigating Real-to-Sim Gap in Continuum Dynamics via Learning Residual Anisotropy

MoSA: 通过学习残余各向异性来缓解连续动力学中现实到模拟差距的运动约束应力适应

Jiaxu Wang, Junhao He, Jingkai Sun, Yi Gu, Yunyang Mo, Jiahang Cao, Qiang Zhang, Renjing Xu

机构 * Hong Kong University of Science（香港科学大学） ； MMLab, Chinese University of Hong Kong, Hong Kong SAR（香港中文大学MMLab, 香港特别行政区） ； The University of Hong Kong, Hong Kong SAR（香港大学, 香港特别行政区） 纠错

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

AI总结 本文提出MoSA框架，通过运动约束应力适应来缓解连续动力学中现实到模拟差距，利用各向同性模型作为物理先验，并学习残余应力算子以捕捉轻微各向异性和非均匀性，最终在机器人操作中验证了其有效性。

Journal ref International Conference on Machine Learning 2026

Coupled Control, Structured Memory, and Verifiable Action in Agentic AI (SCRAT -- Stochastic Control with Retrieval and Auditable Trajectories): A Comparative Perspective from Squirrel Locomotion and Scatter-Hoarding

耦合控制、结构化记忆与可验证行为在代理AI中的应用（SCRAT -- 随机控制与可审计轨迹：从松鼠运动与散落储藏的比较视角）

Maximiliano Armesto, Christophe Kolb

机构 * Taller Technologies 纠错

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

AI总结 本文从松鼠生态角度探讨代理AI中控制、记忆与可验证行为的耦合机制，提出结构化记忆模型与延迟验证信号，验证三种假设以提升系统鲁棒性与可靠性。

Comments 15 pages, 4 figures, 3 tables

Accurate Open-Loop Control of a Soft Continuum Robot Through Visually Learned Latent Representations

通过视觉学习的潜在表示实现软连续机器人的准确开环控制

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科） ； Institute of Assembly Technology and Robotics, Leibniz University Hannover（莱比锡大学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.RO

AI总结 本文提出通过视觉学习的潜在动态实现软连续机器人的开环控制，利用视觉振荡网络和注意力广播解码器，减少图像空间跟踪误差，验证了可解释的视频学习潜在动态在长时间尺度开环控制中的可靠性。

$\aleph$-IPOMDP: Mitigating Deception in a Cognitive Hierarchy with Off-Policy Counterfactual Anomaly Detection

$\aleph$-IPOMDP：通过非策略反事实异常检测缓解认知层级中的欺骗

Nitay Alon, Joseph M. Barnby, Stefan Sarkadi, Lion Schulz, Jeffrey S. Rosenschein, Peter Dayan

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

AI总结 $\aleph$-IPOMDP通过非策略反事实异常检测机制，缓解认知层级中的欺骗问题，提升博弈中的公平性和安全性。

Comments 28 pages, 12 figures

Journal ref Journal of Artificial Intelligence Research (JAIR), Volume 85, Article 14, 2026

Q-Guided Stein Variational Model Predictive Control via RL-informed Policy Prior

基于RL引导的Stein变分模型预测控制的Q引导方法

Shizhe Cai, Zeya Yin, Jayadeep Jacob, Fabio Ramos

机构 * University of Sydney（悉尼大学） ； NVIDIA（英伟达） 纠错

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

AI总结 Q-SVMPC通过结合RL引导的策略先验和Stein变分方法，提升轨迹优化的样本效率、稳定性和鲁棒性。

Comments 8 pages, 6 figures

Learning Contact Dynamics through Touching: Action-conditional Graph Neural Networks for Robotic Peg Insertion

通过接触学习动态：用于机器人圆柱体插入的基于动作的图神经网络

Zongyao Yi, Joachim Hertzberg, Martin Atzmueller

机构 * German Research Center for Artificial Intelligence（德国人工智能研究中心） ； Osnabrück University（奥斯纳布吕克大学） 纠错

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

AI总结 本文提出了一种基于动作的图神经网络模型，用于提升机器人圆柱体插入任务中的运动和力矩预测精度。

Denoising Particle Filters: Learning State Estimation with Single-Step Objectives

去噪粒子滤波：基于单步目标的学习状态估计

Lennart Röstel, Berthold Bäuml

机构 * Learning AI for Dextrous Robots Lab, Technical University of Munich（灵活机器人学习人工智能实验室，慕尼黑技术大学） 纠错

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

AI总结 本文提出了一种基于单步目标的去噪粒子滤波方法，通过隐式学习测量模型和动力学模型，实现高效的机器人状态估计，具有可组合性和良好的性能表现。

Revisiting the Learning Objectives of Vision-Language Reward Models

重新审视视觉-语言奖励模型的学习目标

Simon Roy, Samuel Barbeau, Giovanni Beltrame, Christian Desrosiers, Nicolas Thome

机构 * Polytechnique Montréal（蒙特利尔理工学院） ； École de Technologie Supérieure（高级技术学院） ； Sorbonne Université（索邦大学） 纠错

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

AI总结 本文通过统一框架评估了基于VLM的奖励模型，发现简单三元组损失在性能上优于现有方法，表明改进可能源于数据和架构差异。

Comments Published as an extended abstract at World Modeling Workshop 2026

Model-Based Lookahead Reinforcement Learning for in-hand manipulation

基于模型的 lookahead 强化学习用于手部操作

Alexandre Lopes, Catarina Barata, Plinio Moreno

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

AI总结 本文提出了一种混合强化学习框架，用于提高手部操作任务的性能，通过结合模型无关和模型相关的强化学习方法，以提高任务表现，但增加了计算成本。

KALIKO: Kalman-Implicit Koopman Operator Learning For Prediction of Nonlinear Dynamical Systems

KALIKO：基于卡尔曼隐式Koopman算子的学习用于非线性动力系统预测

Albert H. Li, Ivan Dario Jimenez Rodriguez, Joel W. Burdick, Yisong Yue, Aaron D. Ames

机构 * Caltech（加州理工学院） 纠错

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

AI总结 KALIKO通过卡尔曼滤波隐式学习高维非线性动态系统，实现高精度预测与稳定控制。

Nav-$R^2$ Dual-Relation Reasoning for Generalizable Open-Vocabulary Object-Goal Navigation

Nav-$R^2$双关系推理用于通用开放词汇目标导航

Wentao Xiang, Haokang Zhang, Tianhang Yang, Zedong Chu, Ruihang Chu, Shichao Xie, Yujian Yuan, Jian Sun, Zhining Gu, Junjie Wang, Xiaolong Wu, Mu Xu, Yujiu Yang

机构 * Tsinghua University（清华大学） ； Amap, Alibaba Group（阿里巴巴集团的阿里的地图） 纠错

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

AI总结 Nav-R2通过双关系推理和相似性感知记忆，在开放词汇环境下实现高效目标导航，提升未见对象定位性能。

Act to See, See to Act: Diffusion-Driven Perception-Action Interplay for Adaptive Policies

Jing Wang, Weiting Peng, Jing Tang, Zeyu Gong, Xihua Wang, Bo Tao, Li Cheng

机构 * University of Alberta（阿尔伯塔大学） ； Huazhong University of Science and Technology（华中科技大学） 纠错

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

Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025)

Robot Cell Modeling via Exploratory Robot Motions: A Novel and Accessible Data-Driven Approach

Gaetano Meli, Niels Dehio

机构 * KUKA Deutschland GmbH（德国库卡股份有限公司） 纠错

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

Comments 8 pages, 9 figures