世界模型

精选 8 篇 ArXiv 最新 AI 论文，涵盖把物理—几何—外观作为原生世界状态的统一多模态世界模型、自动驾驶中的层次化快慢世界模型、用世界模型想象调度替代昂贵真机探索的 VLA 后训练、相机可控世界模型的 VLM 偏好奖励建模、少步相机可控生成式渲染、八叉树 3D 记忆驱动的长程世界一致视频生成、把 4D 属性分解注入空间推理强化学习，以及对 VLA 操 …

精选 8 篇 ArXiv 最新 AI 论文，涵盖长程视频世界模型的开放数据与可扩展训练、带几何深度的世界动作模型、VLA 跨本体零样本迁移的受控研究、面向长程操作的人类意图注入、世界模型增强的人形足点受限地形运动、面向物体中心的稀疏残差世界模型、Web 智能体的判别式世界模型训练目标，以及 VLA 隐空间聚类可解释性分析等核心方向深度分析。

把相机位姿做成原生输入的全能世界模型，单图生成可自由探索的 3D 世界并直出点云与 3DGS

精选 8 篇 ArXiv 最新 AI 论文，涵盖度量感知的相机位置编码、12 万小时视频预训练的世界动作模型、把 33B 视频生成器转化为可交互世界模型、交互感知的世界模型训练目标、流式 4D 世界重建、界面世界模型与少步蒸馏、VLA 的类型化运动程序库学习以及接触富集的精密装配基础模型等核心方向深度分析。

具身智能不等于人形，判据是能否形成感知-认知-决策-行动-反馈闭环；四能力之上是信息—物理—认知三域融合

精选 8 篇 ArXiv 最新 AI 论文，涵盖跨本体因子化自我中心世界模型、实时流式交互世界模型与两阶段蒸馏、自进化通用世界模型、VLA 免训练加速与 4D 表征对齐、VLM 空间智能导航、流匹配 JEPA 隐动力学以及 3D 具身世界模型评测等核心方向深度分析。

Motus2 把策略、模拟器、评估器三件事塞进同一套权重（只用改注意力掩码来切换），让模型能自己生成候选动作、想象后果、给结果打分、再用打分回传更新策略——形成闭环自我进化，配合 13 万小时第一视角人类数据金字塔，把双臂灵巧手的真机成功率从 0% 拉到 84%。

把 3D 生成的交付单位从单件资产升到带物理关系的可拆解场景，2-3 分钟单图出整场景+自动物理参数

精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型的可验证数据引擎与概率对齐评测、城市尺度空间智能体、流匹配免教师在线策略蒸馏、游戏世界动作模型、VLA 行为意图蒸馏、长程视频记忆与触觉流式动作生成等核心方向深度分析。

精选 8 篇 ArXiv 最新 AI 论文，涵盖视频扩散模型规模化、视频生成赋能几何估计、长视频一致性与 KV 记忆、粒子世界模型、VLA 与机器人操作等核心方向深度分析。