https://gulucaptain.github.io/DailyPaper/tags/%E8%A7%86%E9%A2%91%E7%94%9F%E6%88%90/Recent content in 视频生成 on gulucaptain's BlogHugozh-CNTue, 13 Oct 2026 05:50:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-10-13/Tue, 13 Oct 2026 05:50:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-10-13/本期覆盖 2026-10-12 ArXiv 公告批次，精选 8 篇最新 AI 论文，涵盖几何引导的视频扩散导航、世界模型合成数据、VLA 双流记忆、统一生成式视频压缩、3D 高斯个性化 VLA、自动驾驶反思式自蒸馏、自适应分块去噪加速与可修正具身记忆等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-10-12/Mon, 12 Oct 2026 05:55:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-10-12/本期为周末补遗二，继续从 2026-10-09 ArXiv 公告批次精选 8 篇高相关论文，涵盖人形世界动作模型、贝叶斯空间世界模型、因果视频扩散、VLA 潜在推理复用、具身策略时序记忆、生成式人机重定向、跨异构触觉与统一多模态扩散蒸馏等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-10-11/Sun, 11 Oct 2026 05:57:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-10-11/周末补遗：继续深挖 2026-10-09（Fri, 9 Oct 2026）公告批次。精选 8 篇论文：完全用仿真数据训练、零样本迁移到真实家庭的移动操作 VLA SimVLA（延世大学 + 首尔大学，优于用 50 条真实域内示教微调的 π0.5）、把相机集合表示与动作学习解耦、相机位姿扰动下只掉 0.8 pp 的 VersaCamVLA（香港中文大学（深圳）+ 深圳 Loop Area 研究院 + 哈尔滨工业大学（深圳），NeurIPS 2026，RoboTwin 2.0 Clean 52.56%）、用统一潜动作空间让跨本体机器人世界模型随预训练本体数正相关的 LAC-WM（斯坦福 + Meta FAIR Robotics，灵巧操作最高 +46.7%）、共享视觉编码并联合预测多候选未来、在 RTX 5090 上加速 128 倍的 LiteNWM（南京大学 + 帝国理工 + Sony AI + 北邮，真机导航成功率 43.3% → 83.3%）、把分数曲率蒸馏成结构化精度矩阵、免蒙特卡洛采样即可给扩散轨迹不确定性的 SCOPE（新加坡国立大学 + LAAS-CNRS，CoRL 2026 Spotlight，静态场景成功率 0.83）、把多智能体第一人称世界建模做成共享 token 序列联合去噪的 ME-World（KAIST AI）、把静态区域与动态主体拆开分别对齐世界先验的 4D 奖励框架 WorldAlign（香港科技大学（广州）+ 香港科技大学 + 快手 KlingAI + 香港大学，在 Wan2.1 / Wan2.2 上同时提升静态与动态一致性），以及用 Archive & Working Banks 与 Bank-aware RoPE 解决「中期遗忘」的流式视频生成方法 Memory Forcing（南京大学 + 清华大学 + 快手 Kling Team + 上海人工智能实验室，首个公开的 5B forcing 系列模型）。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-10-10/Sat, 10 Oct 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-10-10/覆盖 2026-10-09（Fri, 9 Oct 2026）公告批次。精选 8 篇论文：在预训练的「面向预测」表示空间里做潜世界建模、把动作条件化于预测未来的 PLaW-VLA（吉林大学 + Astribot + 哈尔滨工业大学深圳 + 香港理工大学 + 东京大学，CoRL 2026，LIBERO 平均 97.4%、推理延迟仅为生成式 world-action modeling 的 1/19）、首个把观测、动作与场景动力学统一在公制三维坐标系里的 3D 原生世界动作模型 UNITAS（香港中文大学深圳 + DexForce + 佛山大学等，1.7B 参数下 LIBERO 99.8%、位移误差比 PointWorld 低最多 49%）、把程序性视频生成形式化为视觉世界空间中闭环任务执行并发布 59K 步级标注基准的 WorldGuide（MBZUAI，Task Success 33.33% 超过拿到参考动作计划的 MiniMax-H3）、把外部记忆系统换成模型内部状态与检索门、用三维重可见性信号监督检索时机的 Learning-to-Retrieve（北京大学 + 小米汽车 + 中科院自动化所 + NUS，重访 PSNR 13.71 → 14.74、相机旋转误差 12.98 → 6.29）、用 MoE 专家学视角特定变换让腕部相机扰动下成功率从 39.2% 回到 78.3% 的 WARP-VLA（延世大学 + 韩国电子技术研究院）、把经典运动规划的 path-time 参数化引入 VLA 动作表示的 PathTime-VLA（浙江大学，真机 58/60 且完成时间缩短 39%–52%）、用反事实后训练与缺陷奖励模型把交互缺陷率从 48.12% 压到 6.25% 的 DreamTrue（中科院自动化所 NLPR + 高德，AgiBot World Challenge 2026 世界模型赛道第一），以及让学生用多项式参数化教师轨迹段、四步生成盲评胜率 55.1% / 63.4% 的 Parametric Trajectory Distillation（EPFL + NVIDIA + 斯坦福）。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-10-08/Thu, 08 Oct 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-10-08/覆盖 2026-10-07（Wed, 7 Oct 2026）公告批次。精选 8 篇论文：用 3D 度量深度当训练信号并反哺 RGB 预测的操作世界模型 DepthWorld（捷克布拉格技术大学，CoRL 2026，重标定 7 万余 episode，PSNR +1.48 dB，标定误差从 111.3 mm 降到 14.0 mm）、把时间因果与逐状态递归解耦的并行预测世界模型 PPWM（清华大学 + 中科院微电子所 + 港科大广州 + 南洋理工，CEM 规划延迟 1235.2 ms → 374.5 ms、3.30 倍加速）、以共享显式 3D 状态替代隐式 cross-attention 的多智能体驾驶世界模型 Artemis（牛津 + 剑桥 + 新加坡国立大学等，MA-CARLA PSNR 17.743）、从控制论角度证明「预测不足以保证稳定」并给出 EP-IDM 修正的 JEPA 世界模型论文（哥伦比亚大学 + 纽约大学，latent-LQR 成功率 0 → 100%）、用「控制先到」这一零代价信号做缓存调度的交互式视频世界模型加速器 CtrlCache（奥克兰大学 + 新南威尔士大学，WBench Overall 0.6543 → 0.6786 且 1.21–1.41 倍加速）、量化视频世界模型「物体永存性」缺失的诊断研究（慕尼黑工业大学，运动物体在 0.3 秒内被判为不存在）、把生成视频中的手部姿态自蒸馏回动作的 AutodidactWAM（斯科尔科沃科技学院，真机成功率 17%/10%/7% → 75%/47%/42%），以及把动作潜空间锚定到未来视觉动态的 ViDAL（中科院自动化所，RoboTwin 2.0 +11.2%、真机双臂 +23.4%）。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-10-07/Wed, 07 Oct 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-10-07/覆盖 2026-10-06（Tue, 6 Oct 2026）公告批次。精选 8 篇论文：把音视频生成做到 29B 规模并全量开源权重与代码的 Kandinsky 6.0 Video（Kandinsky Lab，双流 CrossDiT + 连续预训练，5 秒 44 kHz 同步音频 + Full-HD）、为循环线性注意力补上「可选址长程记忆」的 HLA-WM（莫纳什大学 + 阿德莱德大学 + 浙江大学，60 秒上下文下历史状态存储仅需全 KV 缓存的 1/12，PSNR +0.74 dB、旋转误差 −28.5%）、用「替代物多少」动态重估每条观测价值的免训练空间记忆控制器 Keepsake（中佛罗里达大学，180 秒轨迹上 FVD 降 35.1% 而只保留 32 条而非 5397 条观测）、把未来演化写成显式 4D 场景状态并可编辑的 Kepler4D（伊利诺伊大学芝加哥分校 + 密歇根大学 + Cisco）、同时砍掉专家内迭代与专家间等待的一步异步世界动作模型 RealtimeWAM（南洋理工大学 + 北航 + 商汤，LIBERO 97.0%、延迟 12.2 ms、H100 上约 14–25 倍加速）、让 VLA 的「未来预测」真正由自己要执行的动作锚定的 ForeAct3D（UIUC + UIC + Cisco，LIBERO 98.3%、CALVIN 平均任务长度 3.73）、把零阶优化做成部署期可行方案的 VLA-ZO（UNIST，适配耗时降 25.59–32.54 倍、成功率 48.27% → 63.58%），以及无需触觉传感器也无需重训 VLA 的执行期接触监督器 AgenticTactileVLA（斯科尔科沃科技学院，五个未见物体上 61.3% → 84.0%）。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-10-06/Tue, 06 Oct 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-10-06/覆盖 2026-10-05（Mon, 5 Oct 2026）公告批次。精选 8 篇论文：用非平衡最优传输把少步蒸馏统一到文生视频、图生视频与条件生成三类任务的 VDOT++（悉尼大学 + 上海人工智能实验室等，四步生成器比肩多步教师）、用局部 + 全局混合奖励修相机可控长视频三维一致性的 LoGo（加州理工 + World Labs 等，并发布 TrajectoryBench）、无需新视角真值即可把多视角世界模型拓到连续相机位姿的 SymRegFlow（清华 + 博世等，nuScenes 上 FVD 相对最优基线再降 31% 以上）、把世界拆成场景与手并统一预测三维点轨迹的 PointWAM（POSTECH + KAIST 等，115 万条人类演示预训练带来 56.9 个百分点提升）、以稀疏视觉子目标做渐进式规划的世界动作模型 ProWAM（上海交通大学 + SII + Meta，LIBERO-Plus 85.8%、真机零样本 70.0%）、证明无需触觉策略预训练也能让 VLA 做好富接触操作的 SimpleTouch（清华 + 高德 + 香港理工大学，UniVTAC 六任务全项第一、均值 77.5%）、把在策略蒸馏用于轻量级 VLA 部署的 FastOPD（KAIST + 成均馆大学，两步推理保留 π0.5 的 84% 性能、延迟降 78.1%），以及把触觉抬升为球面 token 并做等变融合的 VISTA（香港中文大学 + 东南大学，CoRL 2026，50 条演示下仿真均值 80.9%）。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-10-05/Mon, 05 Oct 2026 06:40:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-10-05/周末补遗三，来源仍为 2026-10-02（Fri, 2 Oct 2026）公告批次。精选 8 篇论文：把观察与行动解耦、用全景观察者接住出画物体的 World Observer（KAIST AI，2B 模型 FID 29.30/19.65、出画动力学 OOV-Dgt 0.426/0.531 全面领先）、用可重放世界记录检查视频模型是否真的渲染了程序所指定事件的 ROWBench（Alaya Lab，170 个程序化 episode、10 个前沿模型横评）、追问视频生成模型是否遵守只写在提示里的隐藏物理属性的 PhysicsLENS（亚利桑那州立大学，439 段人工标注中 34/47 看起来合理却没遵守属性）、把 DINO 语义喂进编码端与前缀的伸缩视频 tokenizer SemanTok（Stability AI + KIT，201M AR 打平 3.4 倍大小的 VideoFlexTok）、用同一动作的多种等价 token 化当数据增强的 TOAST（AIST，1/16 数据下 LIBERO +6.8 分、真机 +15.8 分）、在冻结 VLA 内部路由出动作相关 token 作 RL 状态的 eRLT（南方科技大学等，七任务 AUC 领先，真机 +108.9%）、用 500 小时可穿戴第一人称人类数据预训练人形全身策略的 λ0（阿里巴巴等，SIMPLE 90.0%、真机成功率 62.5%），以及把多教师分布因式分解成语言先验乘视觉似然的 LEGO-OPD（KAIST，多模态均值 46.28 vs H-OPD 43.47）。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-10-04/Sun, 04 Oct 2026 05:55:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-10-04/周末补遗，来源仍为 2026-10-02（Fri, 2 Oct 2026）公告批次。精选 8 篇论文：用 110 个真实任务、2,640 段视频追问视频生成模型能否产出目标导向第一人称操作过程的 Ego2Act（MBZUAI + 南洋理工 + UNC，最好的 Seedance-2.0 综合仅 64.0 分，人类 100.0）、把世界动力学搬进 VLM token 压缩态的 Token-World（南方科技大学 + 北京大学 + 港科大 + MUKA Robotics，闭环成功率相关性 0.794 vs Ctrl-World 0.583，单步仿真 0.359 秒）、从 POMDP 推出「最优记忆应最大化 I(a;m|o)」的 Divide-and-Remember（新加坡国立大学 + 南洋理工，64 token 预算下 RoboMME 平均 38.6%）、用 1000 个案例审计前沿 VLM 机器人通才能力的 Embodied Agent Arena（港科大广州 + 港中文 + Knowin AI）、把特权信息从视觉裁剪换成文本空间引导的 Where-OPD（Valeo.ai + 索邦大学，合成场景训练却在六个真实感知基准上平均 +3.23）、把成功判据量直接当训练目标的潜世界模型规划诊断（京都大学 + 富士通，PushT +3.5%、cube +3.4%）、用流匹配建模机器人速度场的 NarrativeFlow（庆应义塾大学，ACCV 2026，Fractal ADE 21.68 vs 最佳基线 37.14），以及用免训练几何算子库修补视频空间推理系统性失效的 CROSS（新加坡国立大学 + 中国科学技术大学）。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-10-02/Fri, 02 Oct 2026 14:44:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-10-02/精选 8 篇来自 2026-10-02（Fri, 2 Oct 2026）公告批次的论文。涵盖用显式 4D 刚性几何作控制接口、把物体做成 canonical mesh 再逐帧施加刚性变换的 4Director（Stability AI + 伊利诺伊大学厄巴纳-香槟分校，IG-IoU 60.4 vs 3D mesh 53.0）、用 coding agent 维护显式世界状态表、让交互后果跨视频段持久的 Oneira（Monash + 布里斯托 + 大连理工 + 港中深 + 牛津，InteractionBench 交互通过率 0.78 vs 基线 0.05）、把非连续历史 KV 拼成马赛克记忆以撑住长程回访的 MosaiChunk（Cornell + UC Berkeley + Harvard + Impossible, Inc.，WorldMark 回访记忆 80.14→84.89）、把分布匹配重铸为对抗式分类从而甩掉辅助 fake score 网络的 DMAD（Texas A&M + 字节跳动，一步 ImageNet-64 FID 1.04、四步 Wan2.1-14B VBench 85.15）、把转移深度当内层 test-time scaling 轴的 DeepJEPA（NYU + 普林斯顿 + MIT + 斯坦福等，平均 1.00–1.26 次更新/转移）、部署期持续自监督更新潜动力学预测器的 JEPA-TTT（Honda Research Institute USA + 约翰霍普金斯，规划性能 +153%）、放弃重建触觉像素而改预测隐式触觉动力学的 TacDyn-WAM（清华 AIR + 中科院自动化所 + 港科大广州，真机 71.0% / 预训练后 85.0%）、以及把序列级 reverse KL 拆成 chunk 项与未来势项实现免 rollout 一步蒸馏的 DriftOPD（KAIST + 成均馆大学）。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-30/Thu, 01 Oct 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-30/精选 8 篇来自 2026-09-30（Wed, 30 Sep 2026）公告批次的论文。涵盖把分布匹配蒸馏的打分粒度从整段 rollout 降到单 chunk、从而在 5 秒训练视野上稳住 60 秒生成的 Rollout-Marginal Distillation（港中文 MMLab + 腾讯 AIPD，VBench-Long 81.26 vs 70.94/69.88）、用反事实视频生成把少量真人示范放大成大规模训练集再蒸馏到人形的 PRISM（Amazon FAR + UC Berkeley + CMU + Stanford，CoRL 2026，分布内 96.25%、分布外 72.92%）、把「未来最后一帧布局」作为显式控制信号并用 on-policy 自蒸馏从稠密布局教师迁移的 LIFT（UCSD + 弗吉尼亚大学 + Meta + Amazon，仅 8K 训练样本即超越 128K 的 SFT）、把 CFG、少步采样与长程纠错一次性蒸馏成可插拔 LoRA 的 LongLive-Plug（NVIDIA，54 个下游模型免训练复用）、冻结世界模型只训练 60M 极小 actualizer 的 RoboActualizer（UC Berkeley + 南科大 + 西安交大，LIBERO 98.0%、延迟 39.9 ms）、系统论证潜变量 WAM 丢失泛化收益并给出单次前向替代方案的 Simple-WAM（清华 Leap Lab + 中科大 + 北理工，LIBERO-Plus 79.5%）、以定长六平面 HexMemory 实现常数存储场景记忆的 Honeycomb（哈佛 + 新加坡国立 + MIT，WorldScore 65.52）、以及用域不变未来潜变量斩断捷径依赖的 DILL（OpenMind + 首尔大学 + 现代汽车，LIBERO-Plus 69.1%、真机反事实 29.7%→80.2%）。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-29/Wed, 30 Sep 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-29/精选 8 篇来自 2026-09-29（Tue, 29 Sep 2026）公告批次的论文。涵盖把历史压成共享 memory token、并用 Stable Forcing 稳住双向→自回归蒸馏的实时交互式世界模型 WorldPlay2（项目主页 worldplay2.github.io）、把双手触觉手套信号以零初始化残差注入视频扩散 Transformer 的 Dexterous Tactile World Model（耶鲁 + 德州农工 + UCLA + 华盛顿大学，手部运动低估 23%→9%）、给 VLA 加一条「会预测未来触觉」的路径以支撑人形全身接触操作的 Uni-VLaT（清华 + 北航 + 港大，真机五任务 75%、较无触觉基线 +43 分）、用可学习线性连接器把便宜的图像专家监督搬进视频扩散 on-policy 蒸馏的 MILD（港大 + 康奈尔，VBench-2.0 53.92/54.66/49.06，显存降 19.5–64.1%）、在潜世界模型里显式学习成功—失败边界再用可微奖励指导 VLA 的 WorldGuide（大连理工 + 南洋理工 + Beta Infinity，LIBERO-100 96.8%、SimplerEnv 72.0%）、在 KV-cache 接口上做双记忆双频控制的 D²-VLA（港大 + 南科大，DOMINO-Long 60.0%）、把建筑已有 CCTV 相机纳入 VLA 导航的 InfraVLA（牛津 OXI，分布内 100%、分布外 88.2%/88.9%、真机四足 83.3%），以及面向非 IID 多机器人操作的联邦子空间引导 VLA 策略蒸馏 FedDRMan（Griffith + CSIRO，峰值平均成功率 80.7%）。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-27/Sun, 27 Sep 2026 05:56:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-27/周末补遗：精选 8 篇来自 2026-09-25（Fri, 25 Sep）公告批次的论文。涵盖把联合去噪摊薄到连续重规划周期、取得 4.5× 稳态加速的 Rolling-WAM（USC + Brown + 复旦 + 丰田研究院，LIBERO 98.1%、RoboTwin 93.3%）、让通用 VLM 在可视化动作工作区里「预演再执行」的 World Action Agent（HKUST(GZ) + 港中文 + Knowin AI，LIBERO-Pro 75.6% SOTA）、把规划直接嵌入表征几何、无需递归 rollout 的 Representation World Model（清华 MARS Lab）、面向 ROV 打捞的以对象为中心跨视角 JEPA 世界模型 Underwater C3-JEPA（上海交大水下工程研究所）、用对象中心 4D 记忆支撑长程操作时空推理的 OCC4M（哈佛 + ETH Zürich，记忆成功率 96.6%、端到端 88.9%）、以自身 rollout 为上下文在部署期自适配硬件漂移的 Self-Adaptive VLA（UMass Amherst + Genesis AI）、只学残差校正的人机闭环 RL 框架 Res-HIL（西门子研究院 + 慕尼黑工业大学，20 条示教即超越全策略 HIL），以及teacher/critic 全免、20 次生成器更新即达 VBench 84.87 的少步因果视频后训练方案 ViRDM（东北大学 + Adobe Research）。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-26/Sat, 26 Sep 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-26/精选 8 篇 ArXiv 论文，覆盖 2026-09-25（Fri, 25 Sep）公告批次。涵盖让未来视觉预测显式条件化于「已下发动作」从而把异步执行真正做对的 Streaming-WAM（上海交大 + 山大 + 华东理工 + 理想汽车，LIBERO 98.35%、回合耗时降至 1/2.93）、用 150 个认知科学任务与 150 万样本语料训练视频模型客体永久性的 WROP（USC + CMU + 密歇根 + JHU + UCSD，16B PWM-WROP 在盲评 Elo 中位列续写模型第一）、2B 规模且同时输出七相机 RGB 与条件 LiDAR 并蒸馏至少步推理的驾驶世界模型 HelloWorld、指出「预测得准 ≠ 能区分候选动作」并用动作可恢复性正则修正潜世界模型的 AD-WM（南京大学，OGBench-Cube 硬起点 3.7%→52.0%，Franka 零样本 42.2%→71.1%）、用机器人经验反推代码化协调策略的 AdaHVLA（UNC + 中科大 + 港科大 + 港中文，NaVILA-LH 22.5%→57.5%）、把位姿增量拆成方向与尺度的动作表征 DSD（KTH + 哥本哈根 + Stanford，SimplerEnv 混训 +10.3pp）、把足底压力传感带入人形跑酷的 TactileStep（清华大学，Unitree G1 落地峰值力 −48.8%、冲击噪声 −30.1 dB），以及用模态锚定解耦音视频联合生成 RL 的 AV-GRPO（上海 AI Lab + 港理工 + NUS + NTU + 浙大）。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-25/Fri, 25 Sep 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-25/精选 8 篇 ArXiv 论文，覆盖 2026-09-24（Thu, 24 Sep）公告批次。涵盖把 90 种零件的插入装配做成单一世界模型并零样本泛化到未知几何体的 InsertionWM（NVIDIA + UCSD + USC，IROS 2026，零样本成功率 56% vs 无模型基线 7%）、用固定尺寸联想记忆替代不断膨胀上下文的 MemBodied（南洋理工 + Griffin Labs + 里昂中央理工，记忆类任务达无状态策略的 7.81×、额外参数少 10×）、把长程想象与实时反应拆成异步双系统的 LiMA（北京大学 + 智源，推理延迟较 Cosmos-Policy 降 45.8%）、主张 WAM 不必依赖视频扩散骨干而改用 I-JEPA 表征的 LeWAM（浙江大学 + 西湖大学 + 百度，0.4B 参数，RoboTwin 2.0 达 92.28%）、指出潜世界模型会「静默遗忘运动」并用解码路径监督修复的 DART（清华深圳 + 上海交大 + 武理）、把单任务流匹配专家的速度场蒸馏进共享多任务策略的 CFM 蒸馏（弗莱堡大学，RLBench 平均 61.4→79.5）、把人类纠正当作约束证据而非待复现动作实现真机在线 RL 的 BEE（华南理工 + 智元，平均 91.2% vs RLT 57.5%），以及系统梳理自回归视频生成记忆机制的综述（HKUST、CMU、NVIDIA 等 16 家机构）。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-24/Thu, 24 Sep 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-24/精选 8 篇 ArXiv 论文，覆盖 2026-09-23（Wed, 23 Sep）公告批次。涵盖把量化误差定位到 attention logits 偏移的 QuantWM（哈工大深圳 + 新加坡国立大学，2-bit KV cache 下 LongCat-Video 的 PSNR 20.683→25.508、LPIPS 0.0784→0.0332）、把连续动作直接写成一种 patch 从而不设动作头的 PatchWAM（西湖大学等，RoboTwin 2.0 达 96.12%、LIBERO 98.4%）、用 MoT 统一理解与生成并同时预测 RGB/深度/法线/光流的 MachEmbodied-U0（理想汽车，LIBERO 99.0%、LIBERO-Plus 82.5%）、把世界模型评测从单视角画质推向三视角事件一致的 TriWorldBench（北大等，500 episode / 50 任务 / 19 指标）、主张策略需要的不是预测而是表征并训完丢弃预测器的 Skytopia（南洋理工大学，OOD 成功率 57.8%/66.0%/49.0%、推理成本 −59.4%）、让潜世界模型对规划有用的 ForeDrive（华中科技大学，NAVSIM v1 89.9 PDMS）、不改一行权重的外挂式风险回滚 SafeLoop（南京大学等，IROS 2026，危险事件约降 70%），以及在微米级电极植入上做到 95.0% 的 MedVLA（中科院自动化所，对 OpenVLA 8%、π0 15%）。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-22/Tue, 22 Sep 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-22/精选 8 篇 ArXiv 论文，覆盖 2026-09-21（Mon, 21 Sep）公告批次。涵盖用子任务引导几何蒸馏 + 隐式世界建模增强 VLA 的 FOCAL-VLA（不来梅大学 + KIT，LIBERO 97.9%、RoboCasa +8.2pp）、预测未来触觉状态指导动作的 ForeTac-VLA（Texas A&M，四类接触丰富任务平均 95%，对比微调 VLA 58.75%）、把复合物理运动建模与一键适配带给 T2V 的 CompAdapt（哈工大 + 淘宝，NeurIPS 2026 投稿）、用视频扩散先验迭代精修稀疏视角 4DGS 的 4DGS-Fixer（Goertek Alpha Labs + 新加坡理工 + HKUST，SIGGRAPH Asia TC，PSNR 提升近 2 dB）、原生输出四鱼眼 + 三针孔并蒸馏成一步流式生成器的 ZYT-World（ZYT AI Team，保留教师 90% PSNR/SSIM，比 40 步教师快 107.7×）、把最后一步去噪留作反馈接口的 VLA-Feedback（UT Austin，CoRL 2026，2 ms 修正一步动作）、剔除教师自身偏差的 Cal-OPD（南京大学 + 东南大学 + 南邮，Qwen3-1.7B 平均 53.1 超 OPD 50.8），以及用手部骨架作为人机统一接口的 Skel-WAM（CUHK + 上海 AI 实验室，双臂真机 SR 79.86% 超 EgoVLA 22.22pp）。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-19/Sat, 19 Sep 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-19/精选 8 篇 ArXiv 最新论文，覆盖 2026-09-18（Fri, 18 Sep）公告批次。涵盖用 100 小时人类触觉数据撬动机器人域预测的 DexTouch-WM（HKUST(GZ) + Xspark AI + 北大 + 清华 + 港大，真机监督固定 5 小时仍持续涨点）、5B 开源实时可交互世界模型基座 Astronex-World 1.0（WBench Navi 73.5 / Full 70.0，2×L20 训完、单卡实时流式）、以接触为中心的可形变物体世界模型 WorldContact（UBC + 西湖大学 + Style3D，10× 加速、提袋 65% → 95%）、揭示并修正 KV 驱逐不匹配的 Recency Forcing（VBench/VBench-Long 长程 SOTA、零推理开销）、把注意力从 85% 瓶颈里挖出 14.5× 加速的 Video DeltaNet（UC Berkeley + Impossible, Inc. + UT Austin）、面向步数蒸馏后 LoRA 复用的 DART（电子科大 + 清华 + 哈工大 + 腾讯）、用离线隐状态蒸馏救回 63% 剪枝 VLA 的 Chung-Ang 大学工作（8 GPU 小时回到距教师 3.5 分内），以及把「看得到」与「做得到」分开评测的 VABench（大连理工 + 南洋理工，主动视角 27.86% → 57.50%）。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-18/Fri, 18 Sep 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-18/精选 8 篇 ArXiv 最新论文，覆盖 2026-09-17（Thu, 17 Sep）公告批次。涵盖把「可玩世界」做成实时服务的 5B 自回归世界模型 Zing-0.5（SeedLeap.ai，832×480 @ 24 FPS、约 $0.009/流分钟，WBench 81.0）、用关键帧作为 VLM 规划与全身 RL 控制接口的 KINO（ETH Zürich，端到端成功率 44% → 92%）、提出物理秩一致性并重构动作词表的 ActionPiece（华科 + DeepCybo 等，LIBERO 94.8% / LIBERO-Plus 68.8%）、把力修正蒸馏成轻量残差策略的 ForceDelta-VLA（汉堡大学 + 中科大 + TUM，82.2% vs 54.4%）、首次让 RL 微调显式对齐推理延迟的 Real-Time EXPO-FT（Stanford，仿真 96.2%、真机 29/30）、用生成音频塑造力曲线的 Dreaming the Sound of Contact（宾大 GRASP Lab）、面向 LTX 的多主体参考视频生成 MSR（Licon Studio），以及以流引导占据演化做风险感知规划选择的 RiskWorld（RWTH Aachen，3 秒长程碰撞率最低、11.5 FPS）。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-14/Mon, 14 Sep 2026 05:58:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-14/精选 8 篇 ArXiv 论文，属「空档补遗」——周一清晨 arXiv 尚未挂出周一批次，最新公告日仍为 2026-09-11（Fri, 11 Sep，去重后 381 篇候选），故本期从该批次与近期积压中补选 8 篇未及收录的高相关工作。涵盖用谱张力诊断并校正时序状态传输的视频生成方法 Temporal State Transport（ICML 2026 F2S 最佳论文）、把世界模型变成测试时可训练模块的 VLA 框架 WorldAgen（AAAI 2026）、用合成积木堆叠任务锻造空间智能的 SpatialBlock、无独立记忆模块的原生视频记忆 VLA SimpleMemVLA、揭示并修复反事实坍缩的 CLWM、交互式世界模型的飞行中动作编辑 ActionSplice、用有限线性时序逻辑约束多智能体扩散策略的 LTLDiff，以及在冻结生成器内部做表示级控制的双潜空间强化学习 DLSRL。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-13/Sun, 13 Sep 2026 06:13:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-13/精选 8 篇 ArXiv 论文，属「周末补遗」——arXiv 周末不做公告，最新批次仍为 2026-09-11（Fri, 11 Sep，去重后 381 篇候选）。涵盖以多专家 on-policy 蒸馏统一的 8B 原生视觉智能体 SenseNova-U1.5、从 14K 部真实电影学运镜的多智能体电影生成系统 CamPilot、挖掘 DiT 内在空间接地图做可控多主体视频生成的 DIAL、追问「视频生成模型能否用视频思考」的 VWG-Bench 与 Vid-PRE、把任务记忆放在 Agent 侧的 2AM、以动作接地转移建模统一记忆-预测-动作的 UniMPA、感知盲人人形 locomotion 的 CAP，以及面向杂乱真实场景的障碍感知扩散策略 ObstaDiff。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-12/Sat, 12 Sep 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-12/精选 8 篇 ArXiv 论文，覆盖 2026-09-11（Fri, 11 Sep）公告批次（去重后 381 篇候选）。涵盖用 63 万条机器人化人类视频做 VLA 预训练的 HuRo、以 cIMLE 单步生成把 VLA 推理频率拉到 55 Hz 的 IMLE-VLA、实时可交互可编辑空间视频生成系统 Vidu S2、修复自回归视频少步蒸馏多样性坍塌的 Uncertainty DMD、训练无关的多视角世界探索接口 World in World、用递归场景程序重建复杂 3D 世界的 RCWM、以记忆为规划的 MaP-WAM，以及从冻结世界模型内部状态直接读出失败信号的 FARM。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-10/Thu, 10 Sep 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-10/精选 8 篇 ArXiv 论文，覆盖 2026-09-09（Wed, 9 Sep）公告批次（去重后 1162 篇候选，为周二 + 周三的合并补发批次）。涵盖从零预训练并验证 Scaling Law 的世界动作模型 GE-Act 2.0、开源模块化 WAM 研究栈 OpenWAM、接触感知的触觉 VLA、人形全身视觉语言导航 TANGO、缓解反向 KL 模式坍塌的自回归视频扩散蒸馏 Mask Forcing、以视觉标定实现零样本仿真的世界模型 SyncWorld、从人类视频补全触觉的灵巧操作 Dex-X，以及把人类接管信号变成前瞻风险项的世界模型强化学习 WHIRL。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-09/Wed, 09 Sep 2026 06:01:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-09/精选 8 篇 ArXiv 论文。arXiv 本周二公告批次尚未上线（各分类当日条数与上一期完全一致、ID 前沿停在 2609.054xx），故本期为「09-07 公告批次补遗三」：涵盖长程 VLA 的神经符号过程推理、面向失败恢复的大规模操作基准、时间戳级 VLA 失效检测、控制与无线信道耦合的 JEPA 世界模型、可语言查询的长程空间记忆、时序触觉 + 柔顺控制的人机交接、DiT 重要性感知低秩蒸馏，以及无限长音视频联合生成等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/clips/annu-industrial-embodied-stack/Tue, 08 Sep 2026 09:00:00 +0800https://gulucaptain.github.io/DailyPaper/clips/annu-industrial-embodied-stack/安努智能一周发布六款模型，把工业具身智能从数据生成（Helios 实时长视频 + SimLab 软体仿真）到动作后果预判（ActiWorld）、真机进化（RoHIL/EvoHIL）、执行（AnuVerse-0.5）、部署（Nexus）串成闭环；其中 ActiWorld 用逆动力学头 + 双向预…https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-08/Tue, 08 Sep 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-08/精选 8 篇 ArXiv 最新 AI 论文，覆盖 2026 年 9 月 7 日公告批次，涵盖把确定性物理仿真引入单图初始化世界模型的在线探索与操作框架、从定位视频生成可编辑组合式 3D 世界、诊断并修复 JEPA 世界模型「物理表征惰性」的频谱辅助目标、把触觉预测转为执行期实时校正的世界—动作模型、面向 VLA 空间与程序复杂度的规模化诊断基准、大 VLA 真机在线强化学习的非对称协同自举、单阶段对齐—蒸馏统一的视频生成偏好优化，以及用 DiT 内部特征做图像/视频生成的轻量可控引导等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-04/Sat, 05 Sep 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-04/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 操作策略容量下界的系统性质疑等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-02/Thu, 03 Sep 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-02/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。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-01/Wed, 02 Sep 2026 05:50:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-09-01/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。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-08-31/Tue, 01 Sep 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-08-31/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。https://gulucaptain.github.io/DailyPaper/clips/minimax-h3-max-real-time-video/Mon, 31 Aug 2026 09:00:00 +0800https://gulucaptain.github.io/DailyPaper/clips/minimax-h3-max-real-time-video/MiniMax 联合 fal 推出的 H3 Max 把 5 秒 768p 视频的生成压到 3 秒以内（吞吐约为原版 H3 的 35 倍），生成终于快过播放，直接催生了「无主播、观众点播、AI 现做」的直播新形态——视频生成赛道的竞争维度，正从画质转向速度与生态黏性。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-08-28/Sat, 29 Aug 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-08-28/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。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-07-02/Fri, 03 Jul 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-07-02/精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、3D生成、扩散模型、具身AI与机器人学习等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-07-01/Thu, 02 Jul 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-07-01/精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、视频生成、人体动画、具身智能、机器人学习等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-30/Wed, 01 Jul 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-30/精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、视频生成/编辑、具身智能、生成模型理论等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-29/Tue, 30 Jun 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-29/精选 7 篇 ArXiv 最新 AI 论文，涵盖扩散模型、世界模型、视频生成、具身AI等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-28/Mon, 29 Jun 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-28/精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型幻觉、Flow-matching 蒸馏、扩散模型多样性、具身智能高自由度控制、统一多模态自进化等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-27/Sun, 28 Jun 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-27/精选 10 篇 ArXiv 最新 AI 论文，涵盖扩散模型蒸馏、视频生成3D感知、具身世界模型、多模态自演化、Flow加速等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-26/Sat, 27 Jun 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-26/精选 7 篇 ArXiv 最新 AI 论文，涵盖扩散模型、世界模型、视频生成、动作生成、具身AI等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-25/Fri, 26 Jun 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-25/精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型、视频生成、VLA跨具身机器人、自动驾驶世界模型等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-24/Thu, 25 Jun 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-24/精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型评测、3D场景生成、视觉链式推理、VLA具身智能等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-23/Wed, 24 Jun 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-23/精选 7 篇 ArXiv 最新 AI 论文，涵盖扩散模型、视频生成、动作生成、具身智能、3D生成等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-22/Tue, 23 Jun 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-22/精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、扩散模型、3D生成、机器人具身智能等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-21/Mon, 22 Jun 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-21/精选 7 篇 ArXiv 最新 AI 论文，涵盖世界模型、扩散/流模型、自回归图像生成加速、具身机器人等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-19/Sat, 20 Jun 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-19/精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、扩散/流匹配模型、视频生成、具身智能、3D生成等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-17/Thu, 18 Jun 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-17/精选 7 篇 ArXiv 最新 AI 论文，涵盖世界模型、多模态生成、运动生成、具身AI与机器人策略等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-16/Wed, 17 Jun 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-16/精选 8 篇 ArXiv 最新 AI 论文，涵盖具身世界模型、交互视频世界模型、机器人操控策略、扩散模型逆问题、图像定制等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-15/Tue, 16 Jun 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-15/精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型、视频生成、具身AI、视觉语言模型等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-14/Mon, 15 Jun 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-14/精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、扩散模型加速、4D视频生成、机器人操控等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-13/Sun, 14 Jun 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-13/精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、扩散模型加速、视频生成、具身智能等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-12/Sat, 13 Jun 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-12/精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、扩散模型、视频生成、具身AI等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-11/Fri, 12 Jun 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-11/精选 7 篇 ArXiv 最新 AI 论文，涵盖世界模型、扩散策略、具身AI、视频生成等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-10/Thu, 11 Jun 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-10/精选 10 篇 ArXiv 最新 AI 论文，涵盖世界模型、扩散模型蒸馏、视频生成、具身AI、机器人操作等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-09/Wed, 10 Jun 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-09/精选 7 篇 ArXiv 最新 AI 论文，涵盖世界模型、扩散模型、具身智能、多智能体视频生成等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-08/Tue, 09 Jun 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-08/精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型、世界模型、视频生成、具身AI、VLA模型等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-07/Mon, 08 Jun 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-07/精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型、世界模型、视频生成、具身AI、机器人控制等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-06/Sun, 07 Jun 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-06/精选 7 篇 ArXiv 最新 AI 论文，涵盖扩散模型推理优化、视频物理一致性、世界模型空间推理、具身智能等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-05/Sat, 06 Jun 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-05/精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、具身AI、视频生成、扩散模型加速等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-04/Fri, 05 Jun 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-04/精选 7 篇 ArXiv 最新 AI 论文，涵盖具身智能、世界模型、Flow Matching、VLA、3D生成、扩散模型等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-03/Thu, 04 Jun 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-03/精选 8 篇 ArXiv 最新 AI 论文，涵盖视频生成、具身智能、机器人操控、多模态理解等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-02/Wed, 03 Jun 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-02/精选 9 篇 ArXiv 最新 AI 论文，涵盖世界模型、视频生成、具身智能、3D生成等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-01/Tue, 02 Jun 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-06-01/精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型、世界模型、视频生成、统一多模态模型、具身AI等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-05-31/Mon, 01 Jun 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-05-31/精选 8 篇 ArXiv 最新 AI 论文，涵盖视频扩散优化、世界模型因果性评测、4D生成、机器人具身感知等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-05-30/Sun, 31 May 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-05-30/精选 10 篇 ArXiv 最新 AI 论文，涵盖视频扩散模型、流式视频生成、4D动态生成、因果推理评测、数字人生成等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-05-29/Sat, 30 May 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-05-29/精选 10 篇 ArXiv 最新 AI 论文，涵盖视频世界模型、扩散模型加速、具身智能、4D生成等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-05-28/Fri, 29 May 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-05-28/精选 7 篇 ArXiv 最新 AI 论文，涵盖多智能体世界模型、高效视频生成、VLA量化部署、人形机器人、扩散模型对齐等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-05-27/Thu, 28 May 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-05-27/精选 8 篇 ArXiv 最新 AI 论文，涵盖多层图像扩散、具身智能 VLA、视频 DiT 加速、3D 生成编辑、Latent Diffusion 理论分析等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-05-26/Wed, 27 May 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-05-26/精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型对齐、4D动态生成、文本驱动仿人体控制、自动驾驶场景世界模型、仿人体运动序列建模等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-05-25/Tue, 26 May 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-05-25/精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型、视频生成物理保真、世界模型、3D生成、具身智能等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-05-23/Sun, 24 May 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-05-23/精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、扩散模型增强重建、VLA机器人、多智能体强化学习、视觉语言导航等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-05-22/Sat, 23 May 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-05-22/精选 10 篇 ArXiv 最新 AI 论文，涵盖世界模型、具身AI/VLA、动作生成、生成模型等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-05-16/Sun, 17 May 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-05-16/精选 10 篇 ArXiv 最新 AI 论文，涵盖世界模型、实时视频生成、扩散模型、具身AI等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-04-23/Fri, 24 Apr 2026 10:40:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-04-23/精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型+机器人、视频时间控制、4D视频重拍、多模态统一模型、VLA长程操控、视觉语言幻觉抑制、IMU 4D感知及视图鲁棒操控等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-04-19/Mon, 20 Apr 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-04-19/精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型、Flow Matching、相机可控视频生成、文本驱动动作生成、视频编辑、3D 生成、多语言面部动画等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-04-15/Thu, 16 Apr 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-04-15/精选 8 篇 ArXiv 最新 AI 论文，涵盖可探索世界模型、新一代生成范式、仿人机器人灵巧操作、多传感器SLAM、视觉偏好优化等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-04-14/Wed, 15 Apr 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-04-14/精选 7 篇 ArXiv 最新 AI 论文，涵盖扩散模型、世界模型、视频生成、具身AI等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-04-13/Tue, 14 Apr 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-04-13/精选 7 篇 ArXiv 最新 AI 论文，涵盖世界模型、扩散模型、视频语言模型、具身AI等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-04-12/Mon, 13 Apr 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-04-12/精选 8 篇 ArXiv 最新 AI 论文，涵盖文本到视频扩散模型、4D动作生成、多模态Agent、自监督感知等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-04-11/Sun, 12 Apr 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-04-11/精选 7 篇 ArXiv 最新 AI 论文，涵盖物理感知视频生成、视频扩散模型、4D 动态场景重建、多模态 Agent 等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-30/Tue, 31 Mar 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-30/精选 7 篇 ArXiv 最新 AI 论文，涵盖视频生成与压缩、动作生成、视觉语言模型空间推理、多模态推理增强、LoRA 模型合并等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-29/Mon, 30 Mar 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-29/精选 8 篇 ArXiv 最新 AI 论文，涵盖视频生成、世界模型、VLA机器人操控、视频编辑等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-28/Sun, 29 Mar 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-28/精选 8 篇 ArXiv 最新 AI 论文，涵盖长视频生成、世界模型记忆机制、视频流式生成、HOI动画、多模态交错生成等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-27/Sat, 28 Mar 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-27/精选 8 篇 ArXiv 最新 AI 论文，涵盖长视频生成、视频世界模型、机器人世界模型、HOI动作生成、多模态生成等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-26/Fri, 27 Mar 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-26/精选 9 篇 ArXiv 最新 AI 论文，涵盖扩散模型加速、世界模型驾驶、视频生成、具身AI等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-25/Thu, 26 Mar 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-25/精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、具身智能、扩散模型、视频生成等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-24/Wed, 25 Mar 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-24/精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型加速、世界模型、运动生成、具身智能、视频超分等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-23/Tue, 24 Mar 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-23/精选 7 篇 ArXiv 最新 AI 论文，涵盖扩散模型、世界模型、视频生成、具身AI等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-22/Mon, 23 Mar 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-22/精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型、具身智能、动作生成、视频编辑、生成式分类等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-21/Sun, 22 Mar 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-21/精选 7 篇 ArXiv 最新 AI 论文，涵盖扩散模型、具身智能 VLA 模型可解释性、自动驾驶 3D 感知、视觉语言模型等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-20/Sat, 21 Mar 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-20/精选 8 篇 ArXiv 最新 AI 论文，涵盖离散生成模型、扩散运动生成、视频编辑、具身智能 VLA 可解释性、机器人运动控制等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-19/Fri, 20 Mar 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-19/精选 8 篇 ArXiv 最新 AI 论文，涵盖视频世界模型、扩散模型训练、3D生成、具身规划等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-17/Wed, 18 Mar 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-17/精选 8 篇 ArXiv 最新 AI 论文，涵盖城市级世界模型、视频扩散控制、具身AI操控、VLA视觉增强、AI数学发现等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-16/Tue, 17 Mar 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-16/精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型驱动的人形机器人动作生成、世界模型评估、流式视频推理、多人动作编辑、具身导航等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-13/Sat, 14 Mar 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-13/精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型、具身智能、视频理解、机器人学习等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-10/Wed, 11 Mar 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-10/精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、视频生成、扩散模型、具身AI与机器人控制等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-09/Tue, 10 Mar 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-09/精选 8 篇 ArXiv 最新 AI 论文，涵盖扩散模型效率优化、物理感知视频生成、扩散语言模型、全向避障机器人、视觉语言模型可解释性等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-08/Mon, 09 Mar 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-08/精选 8 篇 ArXiv 最新 AI 论文，涵盖世界模型、扩散模型推理加速、具身智能、VLA可解释性等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-07/Sun, 08 Mar 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-07/精选 5 篇 ArXiv 最新 AI 论文，涵盖扩散模型、世界模型、视频生成、具身AI等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-06/Sat, 07 Mar 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-06/精选 8 篇 ArXiv 最新 AI 论文，涵盖视频生成加速、人像视频控制、人形机器人全身控制、具身智能、大规模视频理解等核心方向深度分析。https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-05/Fri, 06 Mar 2026 06:00:00 +0800https://gulucaptain.github.io/DailyPaper/posts/arxiv-daily-2026-03-05/精选 7 篇 ArXiv 最新 AI 论文，涵盖视频生成、扩散模型、具身智能、3D生成等核心方向深度分析。