世界模型

【ICML 2019】PlaNet：从像素中学习潜在动力学进行规划｜从世界模型奠基视角本文解读 ICML 2019 论文《Learning Latent Dynamics for Planning from Pixels》（PlaNet，深度规划网络）。该论文提出从像素观测直接学习潜在动力学模型、并在潜在空间进行快速在线规划的纯基于模型强化学习框架，通过融合RSSM 双路径潜在状态模型、交叉熵方法（CEM）潜在空间规划与latent overshooting 多步预测训练，首次让基于模型的智能体在 6 类像素级连续控制任务上全面跑通，其特别之处在于规划全程不生成图像、只在潜在空间评估动作序

【arXiv preprint 2026】JEPA-VLA：视频预测嵌入，为 VLA 补上缺失的视觉知识｜从具身智能世界模型视角本文解读 arXiv preprint 2026 论文《JEPA-VLA: Video Predictive Embedding is Needed for VLA Models》（清华大学 THUML × 华为诺亚方舟实验室，通讯作者龙明盛）。该论文提出JEPA-VLA，通过把冻结的视频预测嵌入 V-JEPA2 接入现有视觉语言动作模型（VLA），同时补上环境理解与策略先验两种关键视觉知识，其特别之处在于只加一个线性投影或几个门控交叉注意力层、无需任何世界模型训练数据。实验表明LIBERO 平均成功率

【论文解读】一篇读懂LAWM-3D：从 DreamDojo 的 2D 潜动作到 3D 感知，关键不是加多视角而是三道防泄漏设计论文：LAWM-3D: Learning 3D-Aware Latent Actions from Human Videos for Generalizable Robot World Models（Nankai University / Tsinghua University / Harbin Institute of Technology / EPFL，AAAI 2027）发布时间：2026 年 8 月 6 日（arXiv v1）作者：Jiarui Yang、Jiale Zhang、Jiawei

【RSS 2025】统一世界模型：耦合视频与动作扩散的机器人预训练｜从扩散时间步设计视角本文解读 RSS 2025 论文《Unified World Models: Coupling Video and Action Diffusion for Pretraining on Large Robotic Datasets》。该论文提出统一世界模型（UWM），通过融合动作扩散、未来观测视频扩散与独立扩散时间步设计，让同一个扩散 Transformer 同时充当策略、前向动力学、逆动力学与视频预测四种模型，其特别之处在于用噪声水平统一了 conditioning 与 marginalization

带娃的IT创业者

Spec-Kit 与物理智能的范式跃迁：当 GitHub 成为世界模型的协作基础设施👋 Hi，我热衷于 (AI 大模型应用落地、Python 实战进阶与 AI 开发工具链）。代表专栏：《AI大模型应知应会短平快系列100篇》《解密OpenClaw》《解码意识NCTransformer》《WeClaw Agent实战》> 💡 创业路上，用技术换时间；欢迎关注我，一起把 AI 变成生产力 🚀 >

猫先生Mr.Mao

世界模型之HY-World 2.0详解：生成完还能走进去——如何把文本、照片和视频变成可探索的 3D 世界【从零走向AGI】旨在深入了解通用人工智能（AGI）的发展路径，从最基础的概念起，逐步构建完整的知识体系。项目地址🔗：https://github.com/AI-mzq/From-Zero-to-AGI.git

电磁力 = 螺旋联络的 90° 旋转？麦克斯韦方程组的几何重构2026-08-01 06:00 晨间深度：周六早 6 点，适合把“电”和“磁”拧成一股绳。昨天我们聊了引力是万物自旋的合力，今天把目光拉近到电磁相互作用。麦克斯韦方程组被誉为“物理学的诗”，但它依旧是 4 个分离的偏微分方程。在螺旋生成论（SGT）中，这 4 个方程可以被统一成一个几何命题：电磁力是螺旋数域 CN 中联络的 90° 旋转（π/2 相位跃迁）。本文基于《螺旋代数几何》与《旋生万物》，给出电磁统一的螺旋算子推导，并附可运行的“电磁波螺旋传播”可视化代码。

从大模型到空间智能：未来机器人的终极架构畅想过去几十年，机器人技术一直在追求一个目标：让机器像人一样感知世界、理解世界，并在世界中自主行动。然而，传统机器人距离这个目标始终存在巨大鸿沟。

机器人世界模型：2026 技术全景与工程选型指南前言：2026 年的机器人世界模型已分化成四条技术路线——视频生成、潜空间预测（JEPA）、3D 空间智能与具身操作。闭源旗舰（Sora 2、Genie 3、Marble、GR-2）定义能力上限，开源栈（Cosmos、V-JEPA 2、RynnVLA-002、HunyuanWorld）已覆盖绝大多数工程环节。物理保真是全行业短板，而工程终局不是单一路线胜出，而是「神经仿真器 + 显式物理引擎 + 潜空间规划」的分层混合架构。

2026 开源视频生成模型全景图：按 9 类任务路由比按参数量选模型更可靠开源视频生成已经不是“找一个文生视频模型”这么简单。到 2026 年，公开权重覆盖了文本生成视频、首帧驱动、多参考图、视频续写、角色动作迁移、音频驱动人物、音视频联合生成和具身世界建模。模型之间真正的差别，不只是画面是否漂亮，而是它接受什么条件、能控制什么、需要什么硬件，以及能否进入稳定生产链路。

物理AI：打破虚拟边界，解锁AI落地物理世界的下一代革命如今大模型、RAG、AI智能体技术飞速普及，但绝大多数AI始终局限在文本、图像、代码的虚拟数字场景。这类AI擅长语义对话、内容生成、逻辑梳理，却完全缺失真实世界的物理常识：不懂重力下落、无法预判碰撞轨迹、不理解摩擦与力学变化，难以适配复杂动态的真实环境。这也是通用大模型“聊天无敌”，却始终难以落地机器人、自动驾驶、工业控制、智能装备等实体产业的核心症结。

NWM----导航世界模型论文标题Navigation World Models作者Amir Bar, Gaoyue Zhou, Danny Tran, Trevor Darrell, Yann LeCun

高德地球-ABot-Earth 0.5Lun.A, 2026.06.10“高德地球”是我自己这么叫，官方没这么叫，后文我均以“高德地球”为名替代官方名称，官方地址

vivo互联网技术

MagicWorld 实现长时交互视频世界建模论文主页：MagicWorld: Towards Long-Horizon Stability for Interactive Video World Exploration

【论文阅读】WorldArena 2.0:扩展具身世界模型在模态性、功能性与平台上的基准测试通过把评测标准从“光看视频像不像”升级到“多模态感知+真动手干活+现实世界测试”，逼出真正能用的具身世界模型。

【3D 场景生成】NuiScene: Exploring Efficient Generation of Unbounded Outdoor Scenes源码链接：https://3dlg-hcvc.github.io/NuiScene/ 发表：ICCV-2025

【3D 场景生成】WorldGen: From Text to Traversable and Interactive 3D Worlds原文链接：https://openaccess.thecvf.com/content/CVPR2026/papers/Wang_WorldGen_From_Text_to_Traversable_and_Interactive_3D_Worlds_CVPR_2026_paper.pdf video：https://www.meta.com/blog/worldgen-3d-world-generation-reality-labs-generative-ai-research/ 发表：CVPR-2026

【视频世界模型】InSpatio-WorldFM: An Open-Source Real-Time Generative Frame Model原文链接：https://inspatio.github.io/worldfm/本文提出 InSpatio-WorldFM，一款面向空间智能的开源实时帧模型。现有基于视频的世界模型依赖序列帧生成，窗口级处理会带来较大延迟；与之不同，InSpatio-WorldFM 采用基于帧的范式，每一帧均可独立生成，能够实现低延迟的实时空间推理。该模型通过显式三维锚点与隐式空间记忆约束多视角空间一致性，在视角发生变化时，既能保证全局场景几何结构稳定，又能保留精细视觉细节。本文进一步设计了一套渐进式三阶段训练流程：先将预

ICLR 2026论文分享 | WorldGym：用世界模型打造机器人策略评估新范式本文介绍了ICLR 2026的论文《WorldGym: World Model as an Environment for Policy Evaluation》。该论文提出了一种基于视频世界模型的机器人策略评估平台WorldGym。该框架能够仅通过单张初始图像，在生成的虚拟环境中完成机器人策略的全流程评估。WorldGym的架构如图1所示。首先，给定初始帧和语言指令，世界模型根据策略输出的动作序列交互式预测未来帧，作为生成式模拟器；随后，通过视觉语言模型（Visual Language Model，VLM