世界模型

Object-centric proto-symbolic behavioural reasoning from pixels

基于像素的物体中心原型符号行为推理

Ruben van Bergen, Justus Hübotter, Alma Lago, Pablo Lanillos

机构 * Donders Institute, Radboud University（多纳尔斯研究所，拉布德大学） ； Cajal Neuroscience Center, Spanish National Research Council（卡哈尔神经科学中心，西班牙国家研究理事会） 纠错

专题命中 通用世界模型 ：world model(abstract)；world model(abstract)；分类 cs.AI、cs.LG、cs.CV

AI总结 本文提出了一种基于像素的物体中心深度学习架构，通过物体表示实现从感知到抽象推理的行为推理，展示了在合成环境中通过逻辑推理和连续控制任务的能力。

Comments Accepted for publication in Neural Networks journal

Zero-Splat TeleAssist: A Zero-Shot Pose Estimation Framework for Semantic Teleoperation

零溅远程协助：一种用于语义远程操作的零样本姿态估计框架

Srijan Dokania, Dharini Raghavan

机构 * Khoury College of Computer Sciences at Northeastern University（东北大学Khoury计算机科学学院） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 通用世界模型 ：world model(abstract)；world model(abstract)；分类 cs.LG、cs.CV、cs.RO

AI总结 Zero-Splat TeleAssist通过整合视觉-语言分割、单目深度、加权PCA姿态提取和3DGS，实现无需标记或深度传感器的多机器人远程操作中的零样本姿态估计。

Comments Published and Presented at 3rd Workshop on Human-Centric Multilateral Teleoperation in ICRA 2025

Intrinsic Goals for Autonomous Agents: Model-Based Exploration in Virtual Zebrafish Predicts Ethological Behavior and Whole-Brain Dynamics

Reece Keller, Alyn Kirsch, Felix Pei, Xaq Pitkow, Leo Kozachkov, Aran Nayebi

机构 * Neuroscience Institute, Carnegie Mellon University（卡内基梅隆大学神经科学研究所） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Machine Learning Department, Carnegie Mellon University（卡内基梅隆大学机器学习系） ； IBM Thomas J. Watson Research Center, IBM Research（IBM沃森研究中心） 纠错

专题命中 通用世界模型 ：world model(abstract)；world model(abstract)；分类 cs.AI、cs.LG、cs.RO

Comments 17 pages, 7 figures

Agentic System with Modal Logic for Autonomous Diagnostics

Antonin Sulc, Thorsten Hellert

专题命中 通用世界模型 ：world model(abstract)；world model(abstract)；分类 cs.AI、cs.LG、cs.MA

Comments 10 pages, 1 figure

KG-MAS: Knowledge Graph-Enhanced Multi-Agent Infrastructure for coupling physical and digital robotic environments

Walid Abdela

机构 * Walid Abdela（独立研究者） 纠错

专题命中 通用世界模型 ：world model(abstract)；world model(abstract)；分类 cs.AI、cs.RO、cs.MA

Rethinking Data Protection in the (Generative) Artificial Intelligence Era

Yiming Li, Shuo Shao, Yu He, Junfeng Guo, Tianwei Zhang, Zhan Qin, Pin-Yu Chen, Michael Backes, Philip Torr, Dacheng Tao, Kui Ren

机构 * The State Key Laboratory of Blockchain and Data Security（区块链与数据安全国家重点实验室） ； Nanyang Technological University（南洋理工大学） ； University of Maryland（马里兰大学） ； IBM Research（IBM研究院） ； CISPA Helmholtz Center for Information Security（CISPA 欧洲信息安全部分） ； University of Oxford（牛津大学） 纠错

专题命中 通用世界模型 ：world model(abstract)；world model(abstract)；分类 cs.AI、cs.LG、cs.CV

Comments Perspective paper for a broader scientific audience. The first two authors contributed equally to this paper. 13 pages

Physics-informed Imitative Reinforcement Learning for Real-world Driving

Hang Zhou, Yihao Qin, Dan Xu, Yiding Ji

机构 * Robotics and Autonomous Systems Thrust, Systems Hub, The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）机器人与自主系统 thrust、系统枢纽） ； Department of Computer Science and Engineering, School of Engineering, The Hong Kong University of Science and Technology（香港科技大学计算机科学与工程系、工程学院） 纠错

专题命中 通用世界模型 ：world model(abstract)；world model(abstract)；分类 cs.AI、cs.LG、cs.RO

Video-Enhanced Offline Reinforcement Learning: A Model-Based Approach

Minting Pan, Yitao Zheng, Jiajian Li, Yunbo Wang, Xiaokang Yang

专题命中 通用世界模型 ：world model(abstract)；world model(abstract)；分类 cs.AI、cs.LG、cs.RO

Bootstrapped Model Predictive Control

Yuhang Wang, Hanwei Guo, Sizhe Wang, Long Qian, Xuguang Lan

专题命中 通用世界模型 ：world model(abstract)；world model(abstract)；分类 cs.AI、cs.LG、cs.RO

Comments Published as a conference paper at ICLR 2025

Neural Lyapunov Function Approximation with Self-Supervised Reinforcement Learning

Luc McCutcheon, Bahman Gharesifard, Saber Fallah

专题命中 通用世界模型 ：world model(abstract)；world model(abstract)；分类 cs.AI、cs.LG、cs.RO

Comments Accepted at IEEE International Conference on Robotics and Automation (ICRA)

Point Cloud Models Improve Visual Robustness in Robotic Learners

Skand Peri, Iain Lee, Chanho Kim, Li Fuxin, Tucker Hermans, Stefan Lee

专题命中 通用世界模型 ：world model(abstract)；world model(abstract)；分类 cs.LG、cs.CV、cs.RO

Comments Accepted at International Conference on Robotics and Automation, 2024

Characterization and Mitigation of Insufficiencies in Automated Driving Systems

Yuting Fu, Jochen Seemann, Caspar Hanselaar, Tim Beurskens, Andrei Terechko, Emilia Silvas, Maurice Heemels

专题命中 通用世界模型 ：world model(abstract)；world model(abstract)；分类 cs.AI、cs.RO、cs.MA

Comments Published at the 27th International Technical Conference on the Enhanced Safety of Vehicles (ESV), Apr 2023, Yokohama, Japan. Original publication https://www-esv.nhtsa.dot.gov/Proceedings/27/27ESV-000110.pdf

SENSOR: Imitate Third-Person Expert's Behaviors via Active Sensoring

Kaichen Huang, Minghao Shao, Shenghua Wan, Hai-Hang Sun, Shuai Feng, Le Gan, De-Chuan Zhan

专题命中 通用世界模型 ：world model(abstract)；world model(abstract)；分类 cs.AI、cs.LG、cs.RO

Meta-World Conditional Neural Processes

Suzan Ece Ada, Emre Ugur

专题命中 通用世界模型 ：world model(abstract)；world model(abstract)；分类 cs.AI、cs.LG、cs.RO

Comments 11 pages, 9 figures

Learning to Forecast Aleatoric and Epistemic Uncertainties over Long Horizon Trajectories

Aastha Acharya, Rebecca Russell, Nisar R. Ahmed

专题命中 通用世界模型 ：world model(abstract)；world model(abstract)；分类 cs.AI、cs.LG、cs.RO

Comments Accepted to ICRA 2023

Learning Representations for Pixel-based Control: What Matters and Why?

Manan Tomar, Utkarsh A. Mishra, Amy Zhang, Matthew E. Taylor

专题命中 通用世界模型 ：world-model(abstract)；world-model(abstract)；分类 cs.AI、cs.LG、cs.CV

Learning to drive from a world on rails

Dian Chen, Vladlen Koltun, Philipp Krähenbühl

专题命中 通用世界模型 ：world model(abstract)；world model(abstract)；分类 cs.LG、cs.CV、cs.RO

Comments Paper published in ICCV 2021(Oral); Code and data available at: https://dotchen.github.io/world_on_rails/

Learning by Abstraction: The Neural State Machine

Drew A. Hudson, Christopher D. Manning

专题命中 通用世界模型 ：world model(abstract)；world model(abstract)；分类 cs.AI、cs.LG、cs.CV

Comments Published as a conference paper at NeurIPS 2019 (spotlight)

Learning to Play with Intrinsically-Motivated Self-Aware Agents

Nick Haber, Damian Mrowca, Li Fei-Fei, Daniel L. K. Yamins

专题命中 通用世界模型 ：world-model(abstract)；world-model(abstract)；分类 cs.AI、cs.LG、cs.CV

Comments In NIPS 2018. 10 pages, 5 figures

Emergence of Structured Behaviors from Curiosity-Based Intrinsic Motivation

Nick Haber, Damian Mrowca, Li Fei-Fei, Daniel L. K. Yamins

专题命中 通用世界模型 ：world model(abstract)；world model(abstract)；分类 cs.AI、cs.LG、cs.CV

Comments 6 pages, 5 figures

Discovering Latent States for Model Learning: Applying Sensorimotor Contingencies Theory and Predictive Processing to Model Context

Nikolas J. Hemion

专题命中 通用世界模型 ：world model(abstract)；world model(abstract)；分类 cs.AI、cs.LG、cs.RO

Retrofit Control with Approximate Environment Modeling

基于近似环境建模的改造控制

Takayuki Ishizaki, Takahiro Kawaguchi, Hampei Sasahara, Jun-ichi Imura

专题命中 通用世界模型 ：environment model(title,abstract)

AI总结 本文提出了一种基于近似环境建模的改造控制方法，该方法通过调整近似环境建模的精度来调节控制性能，确保系统稳定性在原有系统稳定的情况下鲁棒性。

Journal ref Automatica, 107, pp.442-453, 2019

C-ITS Environment Modeling and Attack Modeling

Jaewoong Choi, Min Geun Song, Hyosun Lee, Chaeyeon Sagong, Sangbeom Park, Jaesung Lee, Jeong Do Yoo, Huy Kang Kim

专题命中 通用世界模型 ：environment model(title,abstract)

Comments in Korean Language, 14 Figures, 15 Pages

Environment Imitation: Data-Driven Environment Model Generation Using Imitation Learning for Efficient CPS Goal Verification

Yong-Jun Shin, Donghwan Shin, Doo-Hwan Bae

专题命中 通用世界模型 ：environment model(title,abstract)

Environment Modeling During Model Checking of Cyber-Physical Systems

Guangyao Chen, Zhihao Jiang

专题命中 通用世界模型 ：environment model(title,abstract)

Environment Modeling for Adaptive Systems: A Systematic Literature Review

Fabian Kneer, Erik Kamsties, Klaus Schmid

专题命中 通用世界模型 ：environment model(title,abstract)

Magnetohydrodynamic with embedded particle-in-cell simulation of the Geospace Environment Modeling dayside kinetic processes challenge event

Yuxi Chen, Gabor Toth, Heli Hietala, Sarah Vines, Ying Zou, Yukitoshi Nishimura, Marcos Silveira, Zhifang Guo, Yu Lin, Stefano Markidis

专题命中 通用世界模型 ：environment model(title,abstract)

IMU-Free Body-Frame State Estimation with Sparse Scene Flow for Quadcopters

面向四旋翼无人机的基于稀疏场景流的无IMU机体坐标系状态估计

Daniel Grønhaug, Sofie Markeset, Mathias Kolberg

专题命中 通用世界模型 ：world model(abstract)；world model(abstract)；分类 cs.CV、cs.RO

AI总结 该研究提出一种无IMU的四旋翼仅视觉状态估计系统，采用扩展卡尔曼滤波与4视图光束平差法，生成机体坐标系状态估计与稀疏场景流，无需GPS等世界坐标系基础设施。

Comments 56 pages, 5 figures, 2 tables. Evaluated on the VID dataset ( arXiv:2103.11152 (https://arxiv.org/abs/2103.11152) )

Self-Revising Discovery Systems for Science: A Categorical Framework for Agentic Artificial Intelligence

科学中的自我修正发现系统：面向主体人工智能的范畴论框架

Fiona Y. Wang, Markus J. Buehler

机构 * Laboratory for Atomistic and Molecular Mechanics（原子分子力学实验室） ； Department of Biological Engineering（生物工程系） ； Massachusetts Institute of Technology（麻省理工学院） ； Department of Civil and Environmental Engineering（土木与环境工程系） ； Department of Mechanical Engineering（机械工程系） ； Center for Computational Science and Engineering（计算科学与工程中心） ； Schwarzman College of Computing（施瓦茨曼计算学院） 纠错

专题命中 通用世界模型 ：world model(abstract)；world model(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出一个基于范畴论的框架，通过左Kan扩展实现科学发现中的表征体制转换，并应用于材料科学中的蛋白质力学和纤维网络建模。

MPCoT: Reward-Guided Multi-Path Latent Reasoning for Test-Time Scalable Vision-Language-Action

MPCoT: 奖励引导的多路径潜在推理用于测试时可扩展的视觉-语言-动作

Boyang Zhang, Lianlei Shan

机构 * Department of Electrical and Computer Engineering, Boston University（波士顿大学电气与计算机工程系） ； Department of Computer Science, Tsinghua University（清华大学计算机系） 纠错

专题命中 通用世界模型 ：world-model(abstract)；world-model(abstract)；分类 cs.AI、cs.RO

AI总结 提出MPCoT框架，通过奖励引导的多路径潜在推理，在保持零推理令牌和原始动作接口的同时，提升长时域和高不确定性控制任务中的VLA策略性能。

Comments 14 pages, 5 figures, submitted to CoRL