加州大学欧文分校自动驾驶世界模型新论文：SafeDriveVLA先预演导航后果再决策
论文标题：SafeDriveVLA：面向冲突感知端到端自动驾驶的“导航条件世界模型预演”方法
标签：世界模型
共 10 篇
加州大学洛杉矶分校×Adobe Bolei Zhou团队多智能体世界模型：世界分升至105.1
论文基本信息 原文标题： 多智能体自回归扩散模型与世界状态寄存器（Streaming Multi-Agent Autoregressive Diffusion Model with World State Registers） 首次公开： 2026年7月23日 署名单位： 加州大学洛杉矶分校、Adobe Research 原论文： https://arxiv
Alaya Lab可编程世界模型：角色计数94%，状态一致性98%
原文标题： Programmable World Model 首次公开： 2026年9月10日 署名单位： Alaya Lab 原论文： https://arxiv.org/abs/2609.10540 项目页： https://alaya-lab.github.io/pwm 开源代码： https://github.com/AlayaLab/pwm
纽约大学与AMI Labs世界模型：稀疏表示让PushT规划成功率最高提升57%
很多世界模型都在追求更大、更密、更强的潜变量和预测器。这篇工作偏偏反过来问：如果让大量潜变量维度直接归零，只保留少数活跃维度，未来会不会反而更好预测？纽约大学与AMI Labs团队给出的答案很有意思：在困难的PushT规划任务中，稀疏表示没有包打天下，却让中等容量预测器相对稠密基线提高24%—57%的规划成功率。真正值得看的，不只是“57%”这个数字，而是它
哈工大（深圳）机器人操作：UniMPA让记忆变计划，长任务成功率83.3%
机器人不是“看见东西就动”，而是要先判断下一步世界应该变成什么样，再找到能把这个变化真正做出来的动作。 UniMPA把未来预测、历史经验和动作生成接到同一条链上，在真实双臂机器人长任务中取得72.0%最终成功率、83.3%累计成功率。
西湖大学视频世界模型：无需训练重拍任意视角，综合评分85.192
论文基本信息 方法名称： 世界中世界方法（WiW） 原文标题： World in World: Explore the World with World Models 署名单位： 西湖大学智能实验室 首次公开： 2026年9月10日（arXiv v1） 原论文： https://arxiv.org/abs/2609.11548 项目页： https://ch
卡内基梅隆大学机器人三维世界模型：无动作预训练让平均成功率80.5%升至88.2%
论文基本信息 方法名称： PointZero 原文标题： PointZero: 3D Point Track Completion for Learning Transferable 3D Dynamics 署名单位： 卡内基梅隆大学、哥伦比亚大学、英伟达 首次公开： 2026年9月17日（北京时间，arXiv v1） 原论文： https://arxiv.
西北大学×斯坦福 Jiajun Wu团队：拓扑空间推理新基准，1.1万题测出大模型“会看不会规划”
论文基本信息 拓扑评测系统（MindTopo）原文标题： MindTopo: Can Foundation Models Reason in Topological Space? 首次公开： 2026年9月11日 01:54（北京时间，arXiv v1） 主要署名单位： 西北大学、微软研究院、斯坦福大学 论文入口： https://arxiv.org/abs
腾讯混元WorldReward：世界模型画面再美，动作错了也白搭
世界模型生成的视频越来越逼真，但它可能一边把画面做得很漂亮，一边悄悄执行错了相机指令。复旦、腾讯混元、上海创智学院、上海交大和上海人工智能实验室等团队提出 WorldReward：不再只看单帧美不美，而是逐段检查“动作有没有做对、画面有没有崩”。在 760 对人工标注视频上，它对动作、外观和运动质量的判断一致率分别达到 77.63%、81.32% 和 73.
多模态AI为何卡在实时行动？6篇新论文拆开完整链路
一套多模态系统可以在图片问答里拿高分，却未必能在真实机器人上及时完成一次抓取。问题不只出在模型是否“聪明”，而是视频表征、空间几何、证据路由、视觉压缩、动作生成和物理预测能否在同一时间预算里闭环。 过去72小时首发的6篇论文，恰好把这条链路的六个关键瓶颈同时摊开。
