ArXiv 每日精选 · 2026-09-07

📅 ArXiv 在周末不做公告推送,而周一(9/7)批次按惯例要到北京时间 9/8 凌晨才会上线,因此本期为周末补遗二:继续从 2026-09-04 公告批次中补选 8 篇高相关、此前未及收录的工作(均通过 arXiv ID 与标题双重去重)。本期主线落在四条:世界模型正在从"堆更大的生成器"转向"精确切分信息流"——冻结模型只优化动作、按去噪阶段分配监督、把物理仿真与离线渲染解耦;视频生成的经验性玄学开始被量化成可设计参数(相机步长阈值、量化位宽与阶段的对应关系);VLA 的鲁棒性焦点从"多加数据"转向"理清每个传感器该负什么责",并首次把触觉纳入跨本体验证;空间智能则出现了不绑定主干的免训练外挂路线,共 8 篇。 ...

2026年9月7日 · 17 分钟 · 8482 字 · elephantflow

ArXiv 每日精选 · 2026-09-06

📅 ArXiv 在周末不做公告推送,本期为周末补遗:从 2026-09-04 公告批次中补选 8 篇高相关、此前未及收录的工作(均通过 arXiv ID 与标题双重去重)。主线落在四条:世界模型在自动驾驶中正从"推理时生成未来"转向"训练时提供监督 / 想象时保持长程一致";VLA 的能力瓶颈从"预训练表征够不够丰富"转向"中间特征是否control-sufficient、能否感知物理接触";数据侧出现"横向扩展来源"与"纵向在线纠错"两个互补杠杆;而评测与空间智能方向则集中出现了把模糊失败模式拆解到具体部件的漂亮诊断工作,共 8 篇。 ...

2026年9月6日 · 22 分钟 · 10873 字 · elephantflow

ArXiv 每日精选 · 2026-09-04

📅 本期精选来自 2026-09-04 ArXiv 最新论文,聚焦世界模型从"预测未来帧"走向"显式建模世界状态"的范式迁移:物理/几何/外观被提升为可联合建模的原生状态,相机可控性成为跨越生成与控制的统一接口,想象力本身开始被"调度"以压缩 VLA 后训练成本,而 3D 记忆与 4D 分解则分别在长程一致性与空间推理上给出新的可验证约束,共 8 篇。 ...

2026年9月5日 · 23 分钟 · 11420 字 · elephantflow

ArXiv 每日精选 · 2026-09-03

📅 本期精选来自 2026-09-03 ArXiv 最新论文,聚焦交互式视频世界模型的"开放基座"化、把 3D 几何注入世界动作模型、VLA 跨本体迁移的量化归因、长程操作中语义意图与连续控制的解耦、世界模型在人形运动中的预测性表征价值,以及世界模型训练目标从"重建得像"转向"判别得出"的范式迁移,共 8 篇。 ...

2026年9月4日 · 20 分钟 · 9872 字 · elephantflow

ArXiv 每日精选 · 2026-09-02

📅 本期精选来自 2026-09-02 ArXiv 最新论文,聚焦相机可控视频生成的度量尺度失效问题、视频预训练向世界动作模型的规模化兑换、大型视频生成器"零新增动作模块"转化为可交互世界模型、世界模型训练目标的监督重分配、界面世界模型与少步蒸馏,以及 VLA 从"输出动作"走向"组织可复用抽象",共 8 篇。 ...

2026年9月3日 · 22 分钟 · 10931 字 · elephantflow

ArXiv 每日精选 · 2026-09-01

📅 本期精选来自 2026-09-01 ArXiv 最新论文,聚焦世界模型从"单向仿真"走向"可重组、可闭环、可验证"、实时流式交互生成的两阶段蒸馏、VLA 的免训练加速与 4D 表征对齐、VLM 空间智能的导航化落地,以及具身世界模型的 3D 评测基准,共 8 篇。 ...

2026年9月2日 · 19 分钟 · 9293 字 · elephantflow

ArXiv 每日精选 · 2026-08-31

📅 本期精选来自 2026-08-31 ArXiv 最新论文,聚焦世界模型的数据引擎与分布级评测、城市尺度空间智能、流匹配与 VLA 蒸馏、世界动作模型、长程视频记忆以及执行期触觉反馈等核心方向,共 8 篇。 ...

2026年9月1日 · 19 分钟 · 9022 字 · elephantflow

ArXiv 每日精选 · 2026-08-28

📅 本期精选来自 2026-08-28 ArXiv 最新论文,聚焦视频扩散模型规模化、生成式几何估计、长视频一致性、世界模型、VLA 与机器人操作等核心方向,共 8 篇。 📄 论文精选 How Far Can 5,500 Hours of Driving Take You? A Scaling Law Analysis of Video Diffusion Models 链接: https://arxiv.org/abs/2608.28404 ...

2026年8月29日 · 16 分钟 · 7901 字 · elephantflow

ArXiv 每日精选 · 2026-07-02

📅 本期精选来自 2026-07-02 ArXiv 最新论文,聚焦世界模型、3D生成、扩散模型、具身AI与机器人学习等核心方向,共 8 篇。 📄 论文精选 World from Motion: Generative Dynamic Gaussian Reconstruction from Monocular Video 链接: https://arxiv.org/abs/2607.01202 一句话总结: NVIDIA 提出 World from Motion,用视频生成模型从单目视频生成可自由渲染的高质量动态 3D Gaussian 场景,实现 4D 重建 SOTA。 ...

2026年7月3日 · 10 分钟 · 4876 字 · elephantflow

ArXiv 每日精选 · 2026-07-01

📅 本期精选来自 2026-07-01 ArXiv 最新论文,聚焦世界模型、视频生成、具身智能、机器人学习、生成模型等核心方向,共 8 篇。 📄 论文精选 DVG-WM: Disentangled Video Generation Enables Efficient Embodied World Model for Robotic Manipulation 链接: https://arxiv.org/abs/2606.32028 ...

2026年7月2日 · 11 分钟 · 5264 字 · elephantflow