World model
PulseAugur coverage of World model — every cluster mentioning World model across labs, papers, and developer communities, ranked by signal.
8 天有情绪数据
-
中国团队发布首个LLM-JEPA AI虚拟细胞世界模型
百洋智能科技的中国团队发布了AURA CellOS，这是首个基于大语言模型-联合嵌入预测架构（LLM-JEPA）框架构建的人工智能虚拟细胞世界模型。该模型拥有120亿参数，在3.905亿个人类单细胞转录组数据上进行了训练，代表了对细胞动力学理解的重大进展。CellOS采用了多视角表征学习方法、JEPA进行跨视角预测以及无损扩展训练策略，以克服先前模型的局限性并实现预测细胞响应的先进性能。
-
Qwen-AgentWorld 训练语言模型作为强化学习智能体模拟器
研究人员推出了 Qwen-AgentWorld，这是一种新颖的方法，它训练一个语言模型作为强化学习 (RL) 智能体的世界模型。该模型根据当前观察和智能体的动作来预测下一个环境状态，使其能够充当解耦的模拟器。这使得能够廉价且大规模地生成海量训练数据，克服了现实世界环境缓慢且成本高昂的限制。
-
理想汽车目标通过自研AI芯片和模型实现特斯拉FSD V14同等水平
理想汽车正在开发其自动驾驶能力，以匹配特斯拉的FSD V14，重点关注安全、效率和舒适性，以及识别特殊车辆和交通警察信号等高级功能。该公司正在整合视觉-语言-动作（VLA）和世界模型方法，强调语言模型在L3/L4自动驾驶中实现类人推理的关键作用。理想汽车还在大力投资自研AI基础设施，包括Mach M100芯片和强大的数据系统，目标是在其车辆内建立集中的AI计算中心，以提高效率和任务隔离性。
-
用于半导体光刻的新型物理信息世界模型
研究人员推出 LithoDreamer，一个新颖的物理信息世界模型框架，旨在解决半导体制造中计算光刻的复杂性。该框架将从掩模优化到光刻胶显影的整个光刻流程建模为一个多阶段演化系统。LithoDreamer 捕获状态之间的特征变化，并利用对比变分优化范式来指导模型生成与真实光刻物理学一致的演化，从而实现无需连续监督的可解释干预优化。实验证明了其在正向演化和逆向规划任务中的最先进性能。
-
新型ACT-JEPA架构增强AI策略表示学习
研究人员开发了ACT-JEPA，这是一种结合了模仿学习（IL）和自监督学习（SSL）的新型架构，以改进策略表示学习。该方法进行端到端训练，以预测动作序列和潜在观测序列，利用联合嵌入预测架构（Joint-Embedding Predictive Architecture）过滤不相关细节并构建强大的世界模型。评估表明，ACT-JEPA的表现优于现有基线，在世界模型理解方面提高了40%，任务成功率提高了10%。
-
Momenta 寻求 IPO，宣扬“物理AI”世界模型
Momenta，这家此前以自动驾驶技术闻名的公司，现在正寻求 IPO，并将自己定位为基础“物理AI”模型的构建者。该公司已开发出名为 R7 的“世界模型”，该模型已集成到量产车辆中，并积累了超过 120 亿公里的真实驾驶数据。Momenta 的方法包括其世界模型的三层系统：使用驾驶数据进行预训练，通过模拟处理罕见场景，以及通过强化学习进行最优决策。这种策略允许持续迭代和改进，目标是创建一个能够理解和预测物理世界动态的通用人工智能，可能…
-
DynaWM框架使机器人能够导航连续楼梯
研究人员开发了DynaWM，一个旨在提高双足轮式机器人导航连续楼梯能力的新框架。该系统通过将世界模型作为正则化器并使用动量目标编码器进行稳定的知识转移，来增强地形编码和动态感知表示。使用主成分分析和定量指标进行的评估表明，DynaWM能有效捕捉地形几何形状，从而在模拟和物理硬件上展示出在不同类型楼梯上更平稳、更具适应性的运动。
-
Google DeepMind：强化学习智能体可能隐式建模环境
Google DeepMind 的研究人员展示了一种通过反转贝尔曼方程来恢复智能体世界模型的方法，该方程通常用于确定最优策略。这项工作表明，强化学习（RL）智能体，即使是没有经过显式环境建模训练的智能体，也可以在其价值函数中隐式编码世界模型。这些发现挑战了对无模型智能体不学习环境表示的传统理解。
-
新的DynaWM框架使机器人能够导航连续楼梯
研究人员开发了DynaWM，一个旨在提高双足轮式机器人导航连续楼梯能力的新框架。该系统增强了地形编码和动态感知表示，而这在以往的方法中是存在的局限性。DynaWM包含一个世界模型，以确保对前向动力学的感知，并使用动量目标编码器来稳定训练过程中的知识转移。评估表明，DynaWM能够提高地形适应性和运动平稳性，使机器人能够成功地穿越各种楼梯。
-
开发者使用编写好的状态图和实时世界模型创建互动电影
一位开发者制作了一部互动电影，一部赛博朋克劫案，该电影使用了一个由编写好的状态图驱动的实时世界模型。这种方法允许确定性的逻辑，例如输赢条件和玩家动作，同时利用生成能力使世界栩栩如生。该系统确保只有在满足特定条件时才能执行动作，阻止玩家在未满足先决条件的情况下继续前进，并可以根据玩家的选择分支到不同的结局。
-
新研究揭示了 LLM Agent 中关键的潜在和隐蔽失败模式
两篇新研究论文强调了大型语言模型 (LLM) Agent 的关键失败模式。第一篇论文“SIMMER”引入了一个用于识别 LLM 规划中“潜在失败”的基准，揭示即使是先进的模型，其生成无错误计划的成功率也低于 17%，其中一半以上包含隐蔽的、不可逆的错误。第二篇论文“当错误变成叙事时”分析了生产环境中 LLM Agent 运行时的隐蔽失败，对其进行了分类，并指出 LLM 可以将错误转化为看似合理但具有误导性的叙事。一篇相关文章讨论了生产…
-
NavWAM 通过集成的前瞻和动作增强机器人视觉导航
研究人员开发了 NavWAM，这是一种新颖的扩散-Transformer策略，旨在增强机器人面向目标的视觉导航。与需要单独规划模块的先前方法不同，NavWAM 将未来预测与动作和价值目标相结合，从而可以直接利用视觉前瞻进行机器人控制。该模型在模拟和真实世界导航任务中都展示了优于现有基于规划的世界模型的性能。
-
PRISM框架增强机器人世界模型动作采样
研究人员开发了PRISM，一个用于改进机器人世界模型中动作采样的新框架。PRISM直接从世界模型自身的学习表示中提取动作直觉，避免了对单独的大型视觉编码器或VLM的需求。这种方法将状态条件高斯先验集成到规划器的采样分布中，在Cube和PushT等任务上将成功率显著提高了高达35个百分点，而没有增加大量的推理开销。
-
字节跳动优先发展世界模型、机器人和豆包商业化
字节跳动正为2026年战略性地专注于四项关键AI计划，旨在提升其世界模型能力以媲美Google的Genie，保持在视频生成领域的领先地位，并增强其编码和代理技术。同时，公司正在重组其AI部门，多模态负责人周畅将扩大监管范围，纳入具身智能和机器人团队。这项战略性举措包括对其豆包AI助手的重大商业化努力，目标是办公应用并推出付费服务。
-
新的IMWM方法通过直觉和世界模型增强AI规划
研究人员开发了一种名为IMWM的新规划方法，该方法将世界模型与在演示上训练的直觉模型相结合。这种混合方法旨在提高需要从原始像素输入进行控制的任务的决策能力。在四种不同的目标达成任务中，IMWM的成功率高于仅使用世界模型的规划器，尤其是在复杂场景中显示出显著的提升。
-
AI World Model Learns Physical Geometry Without Language
研究人员开发了一种基于变分自编码器（VAE）的世界模型，该模型可以在没有语言监督的情况下通过物理探索学习语义表征。该模型的潜在空间形成了反映物理世界的几何结构，与随机编码器相比，在方向准确性和位置表征方面有了显著提高。这种几何组织被证明是预测性能和语义对齐的共同驱动因素，KL正则化同时影响这两种能力。
-
AI世界模型实现预测能力
“世界模型”代表了人工智能的重大进步，使系统能够预测和理解其周围环境。这种能力使人工智能能够根据当前观察预测未来事件。这类模型对于开发更复杂、更具上下文感知能力的人工智能应用至关重要。
-
UBTECH Robotics 扩大工业用人形机器人生产规模
UBTECH Robotics 专注于人形机器人的工业制造领域，旨在填补中国智能制造业的劳动力缺口。该公司已实现千余台全尺寸人形机器人的量产和交付，并计划今年将产量扩大到一万台。UBTECH 认为人形机器人对于发展新质生产力至关重要，并且通过连接人工智能与现实世界的数据，是构建全面世界模型不可或缺的。
-
人工智能研究将语言模型视为使用世界模型进行规划
一篇新论文提出，语言模型可以被理解为使用世界模型进行规划，这表明从快速推理转向战略性、长期规划。该研究探讨了人工智能如何通过整合世界建模能力来更好地处理复杂任务。这种方法旨在增强人工智能处理需要远见和战略决策能力的复杂问题的能力。
-
AI世界模型创造3D空间，开启新时代
AI中的“世界模型”概念指的是能够生成和理解三维空间环境的系统。这些模型正通过实现虚拟世界的创建来塑造AI发展的未来。这项技术有望彻底改变我们与数字空间互动和构建数字空间的方式。