世界模型

DreamZero技术解析：当世界模型成为机器人“物理大脑”原文摘要翻译最先进的视觉-语言-动作（VLA）模型在语义泛化方面表现出色，但在新环境中难以泛化到未见过的物理动作。我们提出了 DreamZero，一种基于预训练视频扩散主干网络构建的世界动作模型（WAM）。与 VLA 不同，WAM 通过预测未来世界状态和动作来学习物理动力学，利用视频作为世界演化的密集表征。通过联合建模视频和动作，DreamZero 能够有效地从异构机器人数据中学习多样化技能，而无需依赖重复的演示数据。这使得在真实机器人实验中，相比于最先进的 VLA，对新任务和新环境的泛化能力提升了超过

【世界模型】Captain Safari：位姿对齐3D记忆的世界引擎（CVPR 2026）标题：Captain Safari: A World Engine with Pose-Aligned 3D Memory 来源：约翰霍普金斯大学；清华大学；加州大学圣克鲁兹分校链接：https://johnson111788.github.io/open-safari/

【VLA】Vision Language Action世界模型是智能体（Agent）内部对环境动态（dynamics）的可学习、可推理的内部表征或模拟器。它能预测“如果我执行某个动作，环境会如何变化”。

【世界模型】video2world：从不一致视角重建世界标题：World Reconstruction From Inconsistent Views 来源：德国慕尼黑工业大学链接：https://lukashoel.github.io/video_to_world

大数据在线

中国空间智能，梦想照进现实2026年初，AI教母李飞飞的AI公司World Labs再次获得一笔10亿美元的投资，投资名单除了传统投资机构外，还不乏英伟达、Autodesk等行业巨头，这清晰地传递出市场信号：继AI大语言模型之后，空间智能已成为AI的下一个圣杯。

康谋自动驾驶

视觉重建到物理仿真，3DGS如何走向工程应用？目录一、引言二、从重建到表达三、3DGS物理交互与光学仿真关键技术1、3DGS物理交互2、3DGS反射建模

【世界模型】UrbanWorld: An Urban World Model for 3D City Generation标题：UrbanWorld：一种用于三维城市生成的城市世界模型原文链接：https://arxiv.org/abs/2407.11965 源码链接：https://github.com/Urban-World/UrbanWorld 发表：预印本（ICLR-2025被拒） https://openreview.net/forum?id=4W1wTg7q9o

机器觉醒时代

DreamZero：从语言理解到世界建模——具身智能的WAM新范式在具身智能的发展进程中，机器人要实现从“语言理解”到“物理交互”的跨越，仍面临泛化能力不足、物理机理建模困难以及跨场景、跨本体迁移性差等核心挑战。以视觉-语言-动作模型（VLA）为代表的主流技术方案，借助预训练视觉-语言模型（VLM）强大的语义先验，在指令跟随与简单物体操作任务上取得了显著进展。然而，其在未知环境下的场景泛化能力，尤其是在新技能学习与运动模式生成方面的适应性，依然存在明显局限。

【世界模型】WorldWarp：异步视频扩散的3D重建标题：《WorldWarp: Propagating 3D Geometry with Asynchronous Video Diffusion》项目：https://hyokong.github.io/worldwarp-page/ 来源：新加坡国立大学；香港理工大学

2026智驾决赛圈：洗牌、技术决战与3大生死门槛中国智能驾驶（智驾）行业正经历史上最剧烈的洗牌：曾经估值百亿的独角兽停摆、中腰部玩家批量出局，牌桌快速清空。行业形成明确共识：2026年将是决赛圈关闭的最后期限，最终仅2-3家核心供应商能存活，而主机厂自研阵营中，仅蔚来等少数玩家仍在坚守。

RISE——组合式世界模型驱动的RL框架：基于视频扩散模型预测的未来视觉状态，和VLA估计的进度价值评估，以先离线预热后在线改进世界模型一定是2026年的具身领域最热的研究方向之一，为何这么说呢为弥合这一鸿沟，RISE应运而生，一个通过想象进行机器人强化学习的可扩展框架。其核心是一个组合式世界模型，该模型

GigaBrain-0.5M*(可对标π∗0.6)——从基于世界模型的RL中学习的VLA：通过“预测的价值和未来状态、经验数据、人工纠正”优化动作策略今26年2.16是除夕，我司于过去三年完成了在具身领域的奠基回归正题，如果说上一篇文章《GigaBrain-0——通过世界模型GigaWorld增强VLA的泛化能力：基于RGBD输入建模，及通过具身CoT增强推理能力》介绍的GigaBrain-0，可对标π0.5

AI核心知识106—大语言模型之 World Model Trainer（简洁且通俗易懂版）世界模型训练师 (World Model Trainer) 是 AI 领域中一个极具未来感、正在快速崛起的新兴职业。

要加油哦～

AI-具身智能 | 世界模型 | Code2World 总结一、介绍Code2World 研究：如何把“代码”映射成一个可交互、可验证、可执行的“世界（World）”，并通过环境反馈反向改进代码生成。

康谋自动驾驶

2026年，3DGS和世界模型，在自动驾驶仿真中的组合应用2026年，自动驾驶仿真赛道将持续升温。回顾2025年，两大仿真新技术快速走进公众视野，分别是世界模型（World Model）与3DGS（3D Gaussian Splatting，3D高斯泼溅）。

【世界模型】AI世界模型的两次物理大考（测评）如果你让当今最先进的AI视频模型生成一段“冰块落入温水”的视频，你很可能会得到一个画质惊艳、光线完美、动态流畅的短片。它几乎能以假乱真。

【物理重建】PPISP :辐射场重建中光度变化的物理合理补偿与控制标题：《PPISP: Physically-Plausible Compensation and Control of Photometric Variations in Radiance Field Reconstruction》项目：https://hyokong.github.io/worldwarp-page/ 来源：NVIDIA

【视频生成】SRENDER：基于＜稀疏扩散＞与＜3D渲染＞的像机轨迹视频生成标题：《Efficient Camera-Controlled Video Generation of Static Scenes via Sparse Diffusion and 3D Rendering》项目：https://ayushtewari.com/projects/srender/ 来源：英国剑桥大学

白云千载尽

cosmos系列模型的推理使用——cosmos transfer2.5我们先来使用cosmos transfer2.5来进行基本的功能推理。之前已经用过cosmos-transfer1的功能了，所以对一些基本内容还是比较熟悉了，这次我们主要解决cosmos2上遇到的一些问题。

I-JEPA CVPR2023 LeCun所说的world model和视频生成模型是一回事儿吗本文分为三大部分,一是对原论文的一些笔记;二是I-JEPA代码的一些记录;三是最后的一点总结;1.图像自监督学习分为invariance- based 方法以及 generative methods；