具身智能Hugging Face Papers4 天前
T2-Z：机器人世界模型的环境隐变量测试时优化
T2-Z 为机器人世界模型引入可学习的环境隐变量，在测试时仅凭少量交互轨迹优化该隐变量，使模型适应未见过的摩擦、质量等环境因素。在 7 个仿真设置和 4 个真实任务中，物体预测误差从 15.20 降至 7.00，动作成功率从 33.73% 提升至 72.96%。
AI 与各行业落地的前沿信号寻行业之脉
寻行业之脉
接真实之需
每日自动追踪全球权威信源，模型生成中文摘要与有效期判断，人工抽检把关。 不追热点，只留经得起推敲的那一部分。
249
累计条目
0
今日新增
12
权威信源
采集中每日 02:00 · UTC+8
L1 摘要
全量
L2 深度
0
人工抽检
每日
按领域浏览
AI 与可被 AI 赋能的行业方向，每个领域独立成脉
筛选结果
共 4 条符合条件
当前筛选#world-model×
部署与算力Hugging Face Papers4 天前
Velox用空间记忆加速视频世界模型
Velox是一种免训练的注意力路由方法，利用流式几何中的视锥板对应关系做区域级上下文选择，将历史块表示为带深度区间的相机视锥板，从而抑制随 rollout 增长的 KV 缓存开销。在第48块时注意力加速4.36倍、去噪加速2.43倍，WBench导航任务精度仅差0.15分，让长视频世界模型交互更实时。
已过时译★ 15
大模型Hugging Face Papers4 天前
OmniVerifier-C1 分解式分级视觉验证器
提出 OmniVerifier-C1，将传统二值视觉验证器改为自动分解复杂提示或规则并逐项打分的分级验证器，配合解耦强化学习训练，在文生图与 Maze、Sudoku 等规则化世界建模任务上优于二值验证器，为世界建模智能体提供更可靠的连续评判信号。
已过时译★ 26
具身智能arXiv cs.RO4 天前
EgoJEPA: Beyond Retargeting for Dexterous Manipulation from Egocentric Videos
EgoJEPA 提出三阶段框架，从第一视角人类视频中学习与具体机器人本体无关的潜在动作表示，绕过传统重定向的几何映射。它通过 JEPA 式视觉预测预训练、潜在动作世界模型和轻量适配器迁移到不同机器人。在五个真实操作任务上平均成功率 74%，优于重定向基线 65%，跨本体总耗时降低 47.2%。