World model
PulseAugur coverage of World model — every cluster mentioning World model across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
星纪时代CEO：世界模型将驱动下一代具身智能
星纪时代CEO陈建宇提出，具身智能将从视觉-语言-动作（VLA）模型转向世界模型。VLA专注于模仿人类行为，而世界模型旨在理解和预测物理世界的动态，从而实现机器人更强的泛化能力。陈建宇强调，这种由视频预测驱动的方法为机器人应对新任务和与复杂环境互动提供了更坚实的基础，超越了单纯的模仿。
-
价值泛化：一种新的AI对齐方法
研究人员提出了一种新的AI对齐方法，称为“价值泛化”，旨在创建能够可靠地将人类价值观和偏好扩展到新情况的AI。这种能力被认为是当前AI系统的一个关键缺失环节，因为AI在遇到训练数据之外的场景时常常会失败。提出的方法涉及将AI的道德概念与经验概念绑定，使其道德能够随着其能力一起成长和适应，从而可能实现本质上更值得信赖和可控的“预对齐”AI。
-
AMI Labs 筹集 10 亿美元用于“世界模型”，同时批评 LLM · 跟踪 1 个来源
前 Meta 和 Nabla 的 Alexandre Lebrun 为他的新公司 AMI Labs 筹集了 10.3 亿美元，Yann LeCun 担任董事长。Lebrun 预测“世界模型”将成为一个普遍的热门词，但他认为这与当前的 LLM 存在根本性的架构分歧。他认为 LLM 缺乏对物理世界、持久记忆、推理和规划能力的理解，并引用了自回归的错误累积和文本对现实的有限表征。虽然“世界模型”一词被应用于生成视频预测和显式 3D 表示等各…
-
梦境排练解决了持续强化学习智能体的遗忘问题
研究人员发现，在基于模型的强化学习中，导致遗忘任务的不是“世界模型”，而是“演员”组件。对DreamerV3系列智能体的实验表明，虽然世界模型保留了过去任务的信息，但演员的行为却退化了。通过一种称为“梦境排练”的技术，即在世界模型生成的梦境上进行监督式自我模仿，智能体能够在无需直接与环境交互的情况下保留技能，其表现优于传统的经验回放缓冲区和真实片段克隆。
-
普渡机器人以“一个大脑，多种形态”AI战略引领全球市场 · 跟踪1个来源
普渡机器人已成为商用服务机器人市场的全球领导者，已在85个国家和16个行业部署了超过13万台设备。该公司的“一个大脑，多种形态”战略围绕其自主研发的具身AI大模型PuduFM及其操作系统PuduAgent展开。PuduFM集成了物理直觉模型（PIM）、视觉语言对齐系统（VLA）和仿真引擎（World Model），使机器人能够从真实世界数据和虚拟训练中学习，促进不同机器人形态和任务之间的经验迁移。这种方法旨在克服传统机器人需要任务特定…
-
EvolvingWorld框架支持文学模拟中角色和世界模型的协同演进
研究人员开发了EvolvingWorld，一个专为交互式文学模拟中角色和世界模型的协同演进设计的新颖框架。该系统通过将文学模拟建模为一个长周期过程，其中角色和世界状态的持续更新通过持续的交互发生，从而超越了静态角色模仿或孤立场景生成。EvolvingWorld采用开放模式方法，设有一个用于角色扮演和个人资料演进的角色代理（Character Agent），以及一个用于状态维护和场景推进的基于LLM的世界模型（World Model）。…
-
据报道，字节跳动正与世界模型团队探索自动驾驶
据报道，字节跳动正探索进入自动驾驶领域，由其Seed世界模型团队牵头。此举与其团队在多模态和世界模型方面的专业知识相符，这些技术与自动驾驶有技术重叠。该公司据称正将无人物流作为潜在应用目标，并积极招募该领域人才，尽管字节跳动官方表示没有智能驾驶业务计划，并将其定性为物理AI领域的早期研究。
-
开源LingBot-Video模型引发世界模型争论
Robbyant发布了LingBot-Video，这是一个开放权重模型，能够根据给定的控制信号和初始帧来预测机器人未来的动作和手部姿势。该模型生成想象中的未来状态，引发了关于这种预测能力是否构成真正世界模型还是仅仅是复杂视频生成器的讨论。此次发布在AI社区中引发了关于世界模型定义和特征的争论，并将LingBot-Video与Dreamer和JEPA等既有概念进行了对比。
-
AI世界模型的空间推理准确率因指令泄露而膨胀
最近的一项分析显示，一个AI世界模型在空间推理方面报告的90%准确率因一个缺陷而被夸大。当目标隐藏时，模型的性能显著下降至27%，表明存在指令泄露而非真正的推理能力。在纠正了这种“作弊”行为后，模型的准确率恢复到88%。
-
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…