世界模型

【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；

世界模型通俗讲解：AI大脑里的“物理模拟器“🍃作者介绍：25届双非本科网络工程专业，阿里云专家博主，深耕 AI 原理 / 应用开发 / 产品设计。前几年深耕Java技术体系，现专注把 AI 能力落地到实际产品与业务场景。 🦅个人主页：@逐梦苍穹 ✈ 您的一键三连，是我创作的最大动力🌹

李飞飞团队2026开年首篇工作：一张RGB-D图像让机器人野外零样本全能操作目录01 从“专属模型”到“通用预测”02 500小时数据+0.1秒推理03 核心设计动作表示：不用关节，用几何

闭环与世界模型：具身智能系统中的多对多关系——从“稳定现象”到“可治理机制”的工程解释在具身智能系统的讨论中，“世界模型（world model）”常被赋予某种中心地位：仿佛只要模型足够丰富、足够准确，系统就会自然地表现出稳定、可靠、可预测的智能行为。然而，真实工程现场反复证明：智能行为能否稳定存在，首先取决于闭环机制是否成立，其次才是闭环内部使用了怎样的世界模型。换言之，世界模型并非闭环的先验前提，而更像闭环中的一类“结构化工具”与“约束载体”。

【论文阅读】Motus: A Unified Latent Action World Model摘要研究背景现状：目前的具身智能系统通常是由多个独立的模型拼凑而成的。问题：这种碎片化方法有两个主要缺陷：

为何具身机械主义可以被视为一种工程第一性原则在工程语境中，“第一性原则”并非形而上学意义上的终极公理，也不同于具体技术路线或实现方法。它指的是这样一类原则：

AMR “分布式多世界”世界模型的工作原理说明在工业场景中，AMR 系统并不运行在一个“单一、实时一致、全知全能”的世界模型之上。工厂现场的可观测性天然不完备、约束来源多元、决策时标分层，并且存在多主体（车辆、调度器、边缘交通控制、站点设备、业务系统与人）并发行动。由此，AMR 的“世界模型”必须被理解为一种分布式的多世界世界模型：