World Models
PulseAugur coverage of World Models — every cluster mentioning World Models across labs, papers, and developer communities, ranked by signal.
13 天有情绪数据
-
新框架提出机器人领域世界模型模拟器的可采性阶梯
一篇新论文提出了一种可采性阶梯，用于机器人领域中的世界模型（WM）来评估动作策略。该框架借鉴了安全关键模拟实践的经验，认为在接受世界模型的判决作为证据之前，必须对其进行认证。论文强调，像 Frechet Video Distance (FVD) 这样的视觉保真度指标并不能保证世界模型能够正确响应策略的动作，特别是那些在训练中未见过的动作。该框架旨在确保模拟结果的可靠性，尤其是在自动驾驶等应用中。
-
AI研究人员定义“世界模型”并绘制开发路线图 · arXiv
一篇新发表在arXiv上的观点文章定义并概述了人工智能中“世界模型”的路线图。这些学习环境动力学的内部模拟器正在包括强化学习、视频生成和机器人学在内的各个AI子领域中开发。该论文旨在就世界模型的构成及其有效构建方法达成共识。
-
AI世界模型可追溯至数十年前的控制系统文献
一篇新论文认为，现代AI中的“世界模型”概念根植于数十年前的控制系统文献。作者们追溯了现代自监督学习方法与诸如流体动力学和计算机视觉等领域使用的本征正交分解（POD）和特征脸方法等技术之间的相似之处。该论文提出，将模型降阶（MOR）中的验证和物理基础与学习世界模型的非线性表示能力相结合，可以为关键应用带来更值得信赖的AI系统。
-
新的诊断工具改进了强化学习中的世界模型评估
研究人员引入了一种名为 operator-on-F 的新诊断工具，以更好地评估基于模型的强化学习中使用的世界模型。该方法通过关注模型潜在展开中的规划相关错误来补充现有的值等价性检查。operator-on-F 诊断显示了算子错误与规划回报损失之间的强相关性，在区分不同大小和架构的模型性能方面优于传统的奖励预测错误。
-
世界模型成为人工智能新前沿，挑战大语言模型的主导地位
新一波人工智能发展正聚焦于“世界模型”，视其为当前大语言模型（LLMs）的潜在接班者。支持者，如Yann LeCun，认为擅长预测下一个词的大语言模型缺乏对物理世界和因果关系的真正理解。相比之下，世界模型旨在通过学习原始观测数据来构建现实的内部表征，从而实现因果推理和模拟。这一转变正吸引大量投资，Yann LeCun的初创公司AMI Labs最近获得了超过十亿美元的种子轮融资，并得到了主要科技界人士和公司的支持。
-
ACID框架通过周期动作一致性改进世界模型规划
研究人员推出了一种新颖的决策时规划框架ACID，旨在增强动作条件化世界模型。该框架强制执行周期动作一致性，确保从预测转换向后推断的动作与原始条件化动作相匹配。通过将此一致性检查纳入规划成本，ACID提高了轨迹的真实性，并显著降低了包括操纵和导航在内的各种任务的计算需求。
-
AI世界模型：用于预测和规划的路径空间表述
研究人员提出了一种新的AI世界模型中预测的表述方式，将其视为定义未来轨迹上的概率测度，而非仅仅一步条件分布。这种路径空间方法，特别是在潜在动力学是马尔可夫的区域，将预测、规划和不确定性构建为对单一动作泛函的操作。基于注意力模型的实验表明，不可逆性可能作为预测性世界模型的计算资源，注意力不对称与数据不可逆性相关。
-
机器人研究在动作和场景生成方面推进世界模型 · 跟踪7个来源
一篇新的教程论文阐述了机器人学中“世界模型”的范围，将其分为观测空间和状态空间两类，并引入了将预测与机器人动作联系起来的“世界动作模型”。同时，一篇研究论文介绍了一种新颖的移动操作世界动作模型ABot-M0.5，该模型采用Transformer混合架构和梦境强制训练策略，取得了最先进的性能。另一个项目Micro-World提供了一个动作控制的交互式世界模型，用于生成开放域场景，并发布了模型权重和代码以促进社区研究。
-
世界模型：实现通用人工智能（AGI）的下一个前沿？
人工智能（AI）中的世界模型概念正被讨论为通往通用人工智能（AGI）的潜在途径。与目前依赖预测文本的大型语言模型不同，配备世界模型的 AI 系统可以模拟和理解环境动态。这种能力可能实现比被动反应更复杂的推理和规划。
-
新论文将 LLM 重新定义为特化的世界模型
一篇新的研究论文提出，大型语言模型（LLM）是世界模型的特化形式，而非独立的类别。该论文认为，预测 token 的 LLM 可以被视为模拟现实的世界模型的退化案例。它表明，现有的 LLM 架构与更先进的世界模型之间存在一个连续的光谱，并且研究中已在探索潜在的中间步骤。
-
清华系公司将世界模型视为下一个人工智能前沿
清华大学的关联公司正专注于世界模型的开发，旨在创建能够理解和交互真实世界的综合性人工智能系统。该计划涉及智谱AI、生数科技和Momenta等多个实体，它们将这些先进模型应用于视频生成、机器人和自动驾驶等领域。目标是将人工智能的边界推向当前能力之外，进入一个新前沿。
-
新的强化学习框架“奖励作为代理”解决了探索限制
研究人员提出了一种新颖的方法来增强具身世界模型的强化学习（RL），以解决探索和奖励欺骗的局限性。所提出的“奖励作为代理”方法利用代理奖励框架来主动评估生成的行为，提供强大的信号并减轻奖励欺骗。这与“通过DynDiff-GRPO实现的动态感知回滚多样化”相结合，以扩展动作空间探索，从而产生更多样化的轨迹和更丰富的具身行为。这种统一的方法在多个开源世界模型中展示了显著的准确性提升，证明了在可靠的验证基础上，更广泛的探索可以有效地扩展。
-
因果AI和技能精炼推动具身智能进展
Aether AI 已获得 2000 万美元的种子轮融资，用于开发具身 AI 的因果世界模型，旨在让机器人超越单纯的相关性，更深入地理解物理原理。这种方法与视频生成或 3D 重建等现有方法形成对比，而是专注于显式学习因果变量、结构和动态。与此同时，NVIDIA 已开源 ASPIRE，这是一个允许机器人通过迭代探索和代码修改来学习和精炼技能的框架，代表着从传统的基于梯度的训练转向技能精炼范式。此外，研究论文还介绍了 EgoSim（用于以…
-
调查阐明了用于决策的世界行动模型
一篇新的调查论文阐明了世界行动模型（WAMs）的边界和共性，WAMs是为决策而设计的预测-行动系统。这些模型在表征丰富性与计算约束之间取得平衡，利用各种方法，如大型视频生成模型或语言和视觉-语言骨干网络。该论文根据生成的内容（渲染的未来、潜在的未来或行动推理）及其预测基底、骨干网络、行动耦合和部署机制对现有工作进行了分类。它强调了在保留必要控制能力的同时，生成更少未来内容的趋势。
-
AI世界模型：新框架优先考虑决策效用
arXiv上的一篇新论文提出了一个以决策为中心的框架来评估AI中的世界模型。作者认为，当前的评估方法常常在关于模型效用的主张与评估指标提供的证据之间存在不匹配。他们建议，对于用于具身决策的世界模型，重点应从视觉真实性转移到其在各种条件下支持可靠的反事实推理、策略评估和优化的能力。
-
中国人工智能焦点转向世界模型和物理AI
中国人工智能研究正转向世界模型和物理AI，并更加注重将安全措施整合到基础优化过程中。这一战略转变在北京智源大会上得到强调，会上智源研究院展示了这些领域的进展。
-
Yann LeCun概述“世界模型”以实现下一场人工智能革命
Yann LeCun在苏黎世联邦理工学院的“具身人工智能前沿”活动上介绍了他的“世界模型”概念。他讨论了这些模型如何通过克服当前大型语言模型的局限性来推动下一场人工智能革命。LeCun的见解为人工智能研究人员和开发人员提供了宝贵的视角，特别是在强化学习和自主代理等领域。
-
New attack targets robot learning via world model vulnerabilities
研究人员发现了一种利用世界模型的新型机器人学习管道漏洞。通过向看似安全的数据集中注入恶意提示或破坏转移动力学，攻击者可以创建合成的、危险的训练数据。当世界模型处理这些数据时，即使原始真实数据看起来是安全的，也可能导致部署受损的机器人策略。
-
新理论将人工智能表征学习与解释性差距联系起来
一项名为“表征涌现的自举理论”（TBER）的新理论提出，当现有表征不足以解释观测到的数据或转换时，机器学习中就会产生新的表征。该理论认为，持续的解释性差距，而不仅仅是更多的数据或计算，是表征创新的驱动力。TBER概述了一个从稳定观测到临时稳定的五阶段过程，该过程适用于各种人工智能系统和科学发现。
-
CVPR 2026：计算机视觉与机器人学融合，中国AI占据主导地位
在丹佛举行的CVPR 2026会议标志着计算机视觉与机器人学的显著融合，重点关注多模态基础模型和具身AI。中国高校和企业展示了实质性进展，中国机构在论文录用方面占据主导地位，腾讯、阿里巴巴和MiniMax等行业参与者获得了顶级赞助商级别。关键研讨会讨论了在自动驾驶和机器人学中部署视觉-语言-动作模型，特斯拉和小鹏等公司积极参与。中国团队在实际挑战中也表现出色，小米在现实世界机器人竞赛中获得了多个冠军。