pico-WAM:紧凑世界动作模型的假设预测与控制误差评估
论文介绍了 pico-WAM 这一提供物理状态的紧凑世界动作模型,用于追踪策略与动力学交互。研究基于 206 个 Push-T 演示和 15 次训练种子,对比了不同数据 regimes 与搜索配置。
论文介绍了 pico-WAM 这一提供物理状态的紧凑世界动作模型,用于追踪策略与动力学交互。研究基于 206 个 Push-T 演示和 15 次训练种子,对比了不同数据 regimes 与搜索配置。
该论文测试了将 MLP 世界模型替换为具有升维状态空间线性动力学的 Koopman 结构后,对 Unitree G1 全身体跟踪策略的影响。实验发现 Koopman 结构并未带来性能提升(返回精度持平甚至略低),且训练速度变慢约 15%。研究指出,由于策略动作跨越曲率区域,仿射模型仅在策略操作点切线处准确,而 MLP 能直接读取动作信息,因此在固定状态下表现更好。
推荐理由:实验表明在 Unitree G1 全身体跟踪任务中,Koopman 线性结构并未提升可微世界模型性能,MLP 仍是更优选择。
该研究针对交互式视频世界模型在撤销动作后无法正确读取当前状态的问题,提出了一种名为 ReDate 的方法。该方法利用智能体行动日志中的有效时间戳对检索到的帧进行标记,使冻结的生成器能区分新旧视图而无需重新训练。
推荐理由:提出基于有效时间戳的 ReDate 方法,无需训练即可解决交互式视频世界模型在撤销操作后的状态读取错误问题。
论文指出当前世界模型虽在图像相似度上表现优异,却忽略了质量、形变等关键物理细节。作者提出 Roz 评估框架,包含 10 个对比任务和 3 个连续任务共 1734 个场景,仅需静态帧或视频输入即可运行。该研究旨在推动基准测试的快速迭代与跨模型比较,并已在 NeurIPS 2026 相关研讨会接受。
推荐理由:提出 Roz 评估框架,通过对比与连续任务验证世界模型是否编码物理属性,解决现有评测不透明问题。
TacMind 构建包含 128 个任务的仿真基准,涵盖 Precise、Recognition 及 Dynamic 三种评估 regime 并引入视觉物理扰动。该工作提出动作条件潜变量预测世界模型,通过整合触觉历史与未来预测来学习交互状态以优化候选动作。实验表明,在各类评估 regime 下融入触觉信息均能带来一致的性能提升。
该论文研究了联合嵌入预测架构(JEPAs)在 LeWorldModel 中的测试时间鲁棒性。分析发现,物体状态主导了潜在距离,但编码器无法轻易隔离或重定向这种几何结构。实验表明,仅对单帧输入施加极小的白盒扰动即可让编码器将物体姿态记录为攻击者任意选择的状态,导致 Push-T 等任务的规划成功率从 87% 骤降至 32%,且该漏洞在四个标准基准测试中均存在。
推荐理由:该研究揭示了 LeWorldModel 在测试时对微小图像扰动的脆弱性,攻击可诱导规划器将物体状态误判为任意姿态,导致任务成功率大幅下降。
论文提出 Seeing the Unseen 框架,旨在解决现有视频生成方法缺乏显式物理过程建模导致动态不一致的问题。该方法分为两阶段:首先利用轻量级粒子图动力学模拟器(PGDS)从数据中学习泛化物理交互并预测合理的三维运动轨迹;其次构建可见 - 不可见运动场(VIMF),捕捉输入帧中可观测的运动及随时间涌现的物体动态,相比传统物理信号提供更完整和结构化的运动引导。
该论文提出 Scaling Trusted Autonomy 框架,旨在解决基础模型驱动机器人缺乏内部状态可验证性的问题。研究通过神经符号方法融合学习模型的通用性与显式结构:LIMP 利用空间推理将自然语言指令映射为任务约束与语义地图以支持规划;REALM 维护可编辑的光照逼真 3D 高斯场景并预测操作后果以实现局部修正;PACTS 联合生成动作轨迹及其符号效应预测。
该位置论文指出,现有机械可解释性方法因假设固定情境且仅读取即时效应,导致无法识别特定事故的实际成因。作者通过形式化故障隔离查询框架,揭示了当前方法在玩具示例中可能引发相互冲突的判决结论。基于此,文章提出了四项开放研究任务以填补概念编码与实际故障之间的差距。
北京大学孙仲团队联合IBM苏黎世研究院及硅谷初创公司Unconventional AI,在Nature旗下期刊发表综述论文,从任务、硬件与应用可行性三维度正式定义「现代模拟计算」。
NVIDIA Cosmos 是专为物理 AI 开发者打造的包含世界基础模型与开发工具的平台,旨在解决模型适配传感器、任务及数据并可靠落地应用的两大挑战。该平台提供智能体技能与世界模型训练的配方(recipes),帮助开发者将通用模型高效转化为特定场景的交互式仿真解决方案。
RoboScience机器科学宣布完成A2轮融资,由琥珀资本、鸿瑞达投资及上海半导体产投联合领投,360战投跟投。资金将用于迭代Visics通用具身大模型与REX G1机器人,推进物流等场景POC验证。公司发布多模态物理仿真引擎RoboMirage,视频训练数据规模从2026年初的100万小时增至400万小时。
CDIP 是一种基于因果延迟更新的算法,通过 15 维误差状态卡尔曼滤波在接收时间基准下将轨迹位置均方根误差从 1.062m 降至 0.456m。该方法核心循环耗时降低 99.2%,接近全量回放效果,已在 154 组含 1.5s 延迟的合成水下定位数据中验证。论文已提交至 JASA,提供代码与权重开放许可。
论文介绍 Adaptive-WAM,这是一种构建于 Wan2.2-5B 骨干网络上的质量感知多出口规划器。该方法将轨迹扩散头附加到选定的 DiT 块上,利用轻量级评分器在满足质量阈值时终止推理,从而避免完整的迭代去噪和 VAE 解码过程。
推荐理由:该工作提出基于中间层特征的质量感知早退规划器,在 NAVSIM 上取得最佳结果并实现低延迟推理。
该论文探究视频基础模型是否在冻结表征中编码了可用的直觉物理信息,以及这种能力是否自然涌现于大规模视频预训练中。研究利用 IntPhys2 和 MVP 基准,对比了预测联合嵌入(V-JEPA)、掩码重建(VideoMAE)和扩散生成(LTX-Video)三类模型在冻结特征上的表现。
该论文针对机器人基础模型缺乏形式化约束保证的问题,提出了一种感知规范的动作分布优化框架。该方法在不修改预训练模型参数的情况下,通过在决策步骤利用前向动力学传播推理剩余时间步,计算满足硬 STL 可行性约束的最小动作分布修正。研究在仿真环境中使用最先进的机器人基础模型进行了验证,涵盖了多种环境和复杂规范。
ART of PIV 通过智能体自动为每对图像选择最优处理配置,在匹配速度下将平均端点误差降低 12.2%-22.4%,处理速率达 1000-4000 对/秒。仿真实验中其闭环成本较固定最佳估计器降低 13.24-13.59 个百分点,并在桌面水渠中成功演示了流体保龄球尾流的 prescribed flow field 跟踪。
该论文提出 TetraState 回归测试协议,用于评估学习世界模型在不同配置下的稳健性。实验显示,仅检查模态判定翻转会遗漏大量因配置变化导致的隐性退化案例,需将测试框架版本化并分析多配置间的结果迁移。
论文研究了语言模型能否辅助设计行为可被形式化检查的控制器。作者提出了“证明携带进化”(PCE)框架,在固定数学形式的情况下,由语言模型选择数值参数并生成证书,仅返回通过严格算术或浮点检查及 Lean 4 证明验证的候选者。
针对仿真基准中因物理引擎几何算法缺陷导致的虚假失败(如物体被弹出),作者开发了 SimuGuard 审计插件,在不改变评估流程的前提下自动标记并修复此类伪影。在 RoboTwin 平台上测试显示,修复后容器任务成功率从 89% 升至 98%,建议 PhysX 5.3.1 及更早版本的基准重新运行或报告修正后的成功率范围。
推荐理由:作者发现仿真基准因几何算法缺陷导致虚假失败,提出 SimuGuard 插件修复该问题并验证了成功率提升。
该方法提出一种去中心化运动规划器,联合计算自船轨迹并预测他船交互,在阿姆斯特丹运河真实地图及两艘原型机户外测试中表现优异。实验涵盖 780 次随机运行,实现零碰撞、无死锁且优于基线优化算法;原型机上规划与定位以 10 Hz 闭环运行,成功解决对遇与交叉场景。
针对传统零阶方法样本需求大、现有首阶方法在接触动力学中梯度爆炸的问题,论文提出∇Mimic框架与NablaEngine引擎。通过每步反向传播的梯度裁剪和多步回归技术,结合专为宇树G1优化的可微GPU仿真内核,该方法在单卡上40分钟即可达到世界模型方法的跟踪分数,显著优于基线且开源了相关基础设施。
推荐理由:提出基于可微仿真的首阶策略学习方法,配合专用加速引擎将训练效率提升数倍并开源。
针对大规模多体系统路径规划中约束耦合导致的非凸优化难题,作者提出一种基于接触变量的代数系统构建与轨迹解析重构的新算法。该方法通过顺序插入接触(SCI)策略,在分离违规处引入约束并联合调整时间与状态,实现了百万级机器人在分钟级、数千台机器人在亚秒级的规划速度,显著优于固定网格序列凸编程基线。
PEPS 提出一种无需训练的代理范式,通过“先解析后执行”原则在 Frame、Entity、State 和 Metric 架构下提升 VLM 的时空推理效率。实验表明该方法相比强工具集成基线显著提高了准确率,同时大幅减少了优化轮次、API 调用成本及端到端延迟。该研究已发布预印本 arXiv:2610.41389,代码与权重暂未提及开放许可。
针对现有仿真基准在杂乱场景中测试不足的问题,该研究引入基于发展认知科学的机器人操作常识推理分类体系,并构建新基准 MolmoSpaces-CommonSense。
论文提出了一种针对非结构化环境中执行器性能下降问题的强化学习框架。该框架通过连续关节健康向量编码执行器状态,将退化建模为动作执行的乘性衰减,并利用 HealthNet 估计器从观测中推断单关节健康状况以重新分配控制力。
该论文提出 Hourglass 架构以解决跨具身运动规划难题,通过解耦通用的无本体世界模型与各机器人的可微本体动力学接口,实现数据池化与参数识别。在七种仿真机器人上,该方法成功率提升 3.8-10.6 个百分点且无需专用训练即可匹配专家策略;经三分钟遥操作标定后,零样本迁移至未见的真实滑移转向机器人并在室内场景导航成功。材料为 arXiv 预印本,未提及同行评审状态或具体开源代码仓库。
推荐理由:提出 Hourglass 架构,通过解耦通用世界模型与可微本体动力学实现跨机器人运动规划,在仿真中优于基线并支持零样本迁移至真实机器人。
arXiv 论文提出 CONSORT(Cooperative Navigation with Support-Optimized Routing and Trajectories)算法,解决 GPS 拒止环境下多智能体在信念空间中的路径规划难题。
该论文针对异构多机器人团队的安全导航难题,提出了一种能力感知备份恢复性滤波器(CA-BRF)。该方法通过在共享笛卡尔操作空间构建备份可恢复集,确保预设的备用机动动作在满足运动学和执行约束的前提下维持对偶安全性。
论文介绍了 Veloxity,这是一个用内存安全的 Rust 语言编写的开源无人机自主飞行控制固件。作者对比了与 C++ 实现的等效自动驾驶仪,通过仿真、硬件测试台和户外航点跟随飞行测试,证明了 Veloxity 在功能上对等且性能更优。该研究旨在解决航空航天领域内存安全语言采用碎片化的问题,表明现代内存安全语言是构建可靠高性能自主航空系统固件的可行选项。
该论文提出了 FlapSim,一个模块化的开源 MuJoCo 仿真平台,用于解决扑翼飞行中高频气动动力学与低频飞行控制/强化学习动态之间的协调问题。研究在 48 个涵盖频率、舵机、风场等场景的独立测试集中,对比了五种降阶配置,发现结合多速率时钟同步、三维流入耦合及相位锁定谐波合成的五块模型架构,在保持 65.19 倍 CPU 加速的同时将平均力矩保真度提升至 0.9646。
推荐理由:该工作提出了 FlapSim 模块化开源平台,在 MuJoCo 框架下实现了高频扑翼气动与飞行控制的确定性模拟,并量化了不同简化模型在精度与速度间的权衡。
RoboScience机器科学宣布完成由琥珀资本等联合领投的数亿元A2轮融资,资金将用于通用具身大模型Visics迭代及物流零售场景落地。公司技术体系涵盖物理仿真引擎RoboMirage、轮式仿人形机器人REX G1,视频训练数据规模已增至400万小时且单条获取成本降至0.05元。
智元 AGIBOT 完成 Genie Sim 仿真平台重大版本迭代,聚焦柔性物体交互难题。平台自研物理引擎实现刚柔接触分区求解与 20 倍加速,并推出基于真实画面的世界模型闭环仿真以复现柔软物体形变。
优必选于11月2日发布具身智能仿真平台Thinker-Sim,该平台以Real2Sim2Real为核心闭环,覆盖真实场景数字化、规模化数据合成及机器人能力评测。
智澄 AI 近日完成由杭州资本等联合投资的数亿元新一轮融资,将用于深耕具身智能与世界模型。公司已推出 XR1 复合型工业级与 TR6 高性能通用人形机器人并实现落地量产,其中 XR1 已进入蔚来汽车工厂产线及大众汽车测试场景。
VicOne 利用 AI 辅助研究在不到两天内识别出涉及 Google、NVIDIA 和 Meta 等项目的 28 个零日漏洞,涵盖开发训练、仿真验证及部署运行三个机器人生命周期阶段。这些弱点可能影响模型构建与测试可信度,甚至导致远程停止指令失效,迫使团队加速响应并评估对机器人安全的具体影响。
2026年10月31日,西湖大学在云谷校区正式成立世界模型研究中心,由AutoLab团队主导。该中心聚焦物理智能与世界模型研究,旨在突破智能系统理解物理规律与预测环境变化的瓶颈。
清华大学姚期智和袁洋团队提出「代数世界模型」(AWM),利用范畴论中的投射极限与归纳极限工具,将大模型的试错探索转化为形式化数学证明。在ARC-AGI-3游戏集测试中,基于Opus 5.5的AWM以99.9%得分和43%人类基准动作数全部通关,并能准确判断无解关卡。论文由本科生潘冠成、谭淇心撰写,项目主页与arXiv预印本已公开。
推荐理由:清华团队提出代数世界模型,利用范畴论工具将试错探索转化为形式化证明,在ARC-AGI-3测试集实现99.9%通关率。
大晓机器人联合南洋理工大学S-Lab发布面向具体环境的世界模型Mundo,具备场景重建、自由视角探索和时空模拟能力。该模型仅需1至12张真实图像即可构建可编辑的三维代理场景,并通过代码定义物体质量与摩擦等物理属性,利用MuJoCo引擎计算运动与碰撞,最终由视频扩散模型渲染出符合物理规律的动态画面。
推荐理由:大晓机器人联合南洋理工大学发布Mundo,支持少量图像构建含物理属性的可交互三维环境,为机器人Real-to-Sim训练提供新工具。
该论文针对非线性动力系统连续时间演化学习中依赖轨迹的目标函数存在计算成本高、随展开步数增加而退化及受数值格式限制等问题,提出 Velocity Matching (VM) 这一免模拟目标。