PaperNotes

一个由人类审阅、Claude Code 和 Codex 协作更新的论文阅读笔记站。

Agent 负责生成初稿和维护页面,我负责检查理解是否正确、指出问题并推动修改。这里不是自动摘要合集,而是人类判断与 AI 执行力共同产出的阅读记录。

2026-10-11
机器人如何从经验中变得更好?|具身 RSI 与 TTT 研究博客
研究综述 2026更新于 2026-10-11
VLA语言模型强化学习泛化综述
2026-06-25
ImageWAM: Do World Action Models Really Need Video Generation, or Just Image Editing?
arXiv: 2606.19531投稿(under review) · 4559 字 / English 896 词 · 约 18 分钟更新于 2026-06-25
WAMVLA扩散模型
World Action Models: A Survey — 阅读笔记
arXiv: 2606.20781arXiv 2026 · 6422 字 / English 1029 词 · 约 23 分钟更新于 2026-06-25
WAM世界模型综述VLA视频生成
2026-06-24
WAM-RL: World-Action Model Reinforcement Learning with Reconstruction Rewards and Online Video SFT
arXiv: 2606.17906arXiv 2026 · 5760 字 / English 395 词 · 约 18 分钟更新于 2026-06-24
WAM强化学习机器人世界模型视频生成
2026-06-18
Qwen-RobotManip Technical Report: Alignment Unlocks Scale for Robotic Manipulation Foundation Models
arXiv: 2606.17846Qwen Technical Report 2026 · 4316 字 / English 964 词 · 约 17 分钟更新于 2026-06-18
VLA泛化
Qwen-RobotNav Technical Report: A Scalable Navigation Model Designed for an Agentic Navigation System
arXiv: 2606.18112Qwen Technical Report 2026 · 3179 字 / English 740 词 · 约 13 分钟更新于 2026-06-18
导航VLA自动驾驶多模态理解
Qwen-RobotWorld Technical Report: Unifying Embodied World Modeling through Language-Conditioned Video Generation
arXiv: 2606.17030Qwen Technical Report 2026 · 3330 字 / English 604 词 · 约 13 分钟更新于 2026-06-18
WAM世界模型视频生成自动驾驶
2026-06-17
Geometric Action Model for Robot Policy Learning
arXiv: 2606.17046CoRL 2026(投稿,under review) · 5021 字 / English 798 词 · 约 18 分钟更新于 2026-06-17
VLAWAM世界模型3D重建泛化
2026-06-11
CapImagine: Imagination Helps Visual Reasoning, But Not Yet in Latent Space
arXiv: 2602.22766ICML 2026 · 6077 字 / English 798 词 · 约 21 分钟更新于 2026-06-12
视觉推理多模态理解
Heima: Efficient Reasoning with Hidden Thinking
arXiv: 2501.19201ICML 2026 · 4120 字 / English 721 词 · 约 15 分钟更新于 2026-06-12
多模态理解链式思考知识蒸馏
ImgCoT: Compressing Long Chain of Thought into Compact Visual Tokens for Efficient Reasoning of Large Language Model
arXiv: 2601.22730ICML 2026 · 6935 字 / English 571 词 · 约 23 分钟更新于 2026-06-12
语言模型链式思考
LatentOmni: Rethinking Omni-Modal Understanding via Unified Audio-Visual Latent Reasoning
arXiv: 2605.22012arXiv 2026(投稿中) · 6435 字 / English 526 词 · 约 21 分钟更新于 2026-06-12
音视频推理多模态理解链式思考
Latent Reasoning for Multimodal Models: A Survey Note
PaperNotes 综述 2026 · 5609 字 / English 906 词 · 约 21 分钟更新于 2026-06-12
综述多模态理解视觉推理链式思考音视频推理
LVR: Latent Visual Reasoning
arXiv: 2509.24251ICLR 2026 · 6518 字 / English 1149 词 · 约 24 分钟更新于 2026-06-12
视觉推理强化学习
SLVR: Semantic-Enriched Latent Visual Reasoning
arXiv: 2605.19342ICML 2026 · 5815 字 / English 863 词 · 约 21 分钟更新于 2026-06-12
视觉推理强化学习
VaLR: Vision-aligned Latent Reasoning for Multi-modal Large Language Model
arXiv: 2602.04476ICML 2026 · 5412 字 / English 762 词 · 约 19 分钟更新于 2026-06-12
多模态理解视觉推理
2026-06-08
ChordEdit: One-Step Low-Energy Transport for Image Editing
arXiv: 2602.19083CVPR 2026 Oral · 8300 字 / English 647 词 · 约 27 分钟更新于 2026-06-12
图像编辑扩散模型
2026-05-29
Large Language Diffusion Models
arXiv: 2502.09992NeurIPS 2025 · 3240 字 / English 443 词 · 约 11 分钟更新于 2026-06-12
语言模型扩散模型
Qwen-VLA: Unifying Vision-Language-Action Modeling across Tasks, Environments, and Robot Embodiments
arXiv: 2605.30280千问VLA技术报告 · 4284 字 / English 559 词 · 约 15 分钟更新于 2026-06-12
VLA泛化
2026-05-26
Understanding the Impact of Geometric Foundation Models on Vision-Language-Action Models
arXiv: 2605.24642ECCV 2026(投稿中) · 5886 字 / English 927 词 · 约 21 分钟更新于 2026-06-12
VLA3D重建
OASIS: Observation-Action Space Alignment via SE(3) Trajectory Prediction for Robotic Manipulation
arXiv: 2605.25829NeurIPS 2026(投稿中) · 6002 字 / English 408 词 · 约 19 分钟更新于 2026-06-12
VLA3D重建
QuoVLA: Quotient Space for Vision-Language-Action Models
arXiv: 2605.24890NeurIPS 2026(投稿中) · 2749 字 / English 551 词 · 约 11 分钟更新于 2026-06-12
VLA
X-Foresight: A Joint Vision-Action Causal Forecasting Network via Predictive World Modeling
arXiv: 2605.24892NeurIPS 2025(投稿中) · 7812 字 / English 878 词 · 约 27 分钟更新于 2026-06-12
自动驾驶VLA世界模型视频生成
2026-05-25
DiWA: Diffusion Policy Adaptation with World Models
arXiv: 2508.03645CoRL 2025 · 6136 字 / English 907 词 · 约 22 分钟更新于 2026-06-12
世界模型强化学习
WMPO: World Model-based Policy Optimization for Vision-Language-Action Models
arXiv: 2511.09515ICLR 2026 · 8271 字 / English 620 词 · 约 27 分钟更新于 2026-06-12
VLA世界模型强化学习视频生成
World4RL: Diffusion World Models for Policy Refinement with Reinforcement Learning for Robotic Manipulation
arXiv: 2509.19080投稿 IEEE Trans 期刊 · 4672 字 / English 532 词 · 约 16 分钟更新于 2026-06-12
世界模型强化学习
World Action Models: The Next Frontier in Embodied AI
arXiv: 2605.12090arXiv 综述 2026 · 4404 字 / English 632 词 · 约 16 分钟更新于 2026-06-12
综述WAM世界模型VLA视频生成
2026-05-22
SimpleVLA-RL: Scaling VLA Training via Reinforcement Learning
arXiv: 2509.09674ICLR 2026 · 7190 字 / English 1167 词 · 约 26 分钟更新于 2026-06-12
VLA强化学习
World Models and World Action Models: A Survey Note
PaperNotes 综述 2026 · 9603 字 / English 1178 词 · 约 33 分钟更新于 2026-06-12
综述WAM世界模型视频生成泛化
2026-05-21
AttenA+: Rectifying Action Inequality in Robotic Foundation Models
arXiv: 2605.13548NeurIPS 2026(投稿中) · 3373 字 / English 270 词 · 约 11 分钟更新于 2026-06-12
VLAWAM
CKT-WAM: Parameter-Efficient Context Knowledge Transfer Between World Action Models
arXiv: 2605.06247NeurIPS 2026(投稿中) · 3782 字 / English 445 词 · 约 13 分钟更新于 2026-06-12
WAMVLA知识蒸馏
DreamZero: World Action Models are Zero-shot Policies
arXiv: 2602.15922NVIDIA Tech Report 2026 · 3888 字 / English 500 词 · 约 14 分钟更新于 2026-06-12
WAM世界模型视频生成泛化
Is the Future Compatible? Diagnosing Dynamic Consistency in World Action Models
arXiv: 2605.07514NeurIPS 2026(投稿中) · 5710 字 / English 528 词 · 约 19 分钟更新于 2026-06-12
WAM
Fast-WAM: Do World Action Models Need Test-time Future Imagination?
arXiv: 2603.16666NeurIPS 2026(投稿中) · 2487 字 / English 518 词 · 约 10 分钟更新于 2026-06-12
WAM视频生成
When to Trust Imagination: Adaptive Action Execution for World Action Models
arXiv: 2605.06222NeurIPS 2026(投稿中) · 3022 字 / English 389 词 · 约 11 分钟更新于 2026-06-12
WAM
GigaWorld-Policy: An Efficient Action-Centered World-Action Model
arXiv: 2603.17240投稿中 (under review) · 3375 字 / English 422 词 · 约 12 分钟更新于 2026-06-12
WAM视频生成
HarmoWAM: Harmonizing Generalizable and Precise Manipulation via Adaptive World Action Models
arXiv: 2605.10942NeurIPS 2026(投稿中) · 10391 字 / English 867 词 · 约 34 分钟更新于 2026-06-12
WAM泛化
Unified 4D World Action Modeling from Video Priors with Asynchronous Denoising
arXiv: 2604.26694NeurIPS 2026(投稿中) · 5413 字 / English 423 词 · 约 18 分钟更新于 2026-06-12
WAM世界模型视频生成3D重建
2026-05-20
VGGT-Ω: Scaling Feed-Forward Reconstruction Models
arXiv: 2605.15195CVPR 2026 Oral · 4273 字 / English 570 词 · 约 15 分钟更新于 2026-06-12
3D重建
2026-05-14
MindVLA-U1: VLA Beats VA with Unified Streaming Architecture for Autonomous Driving
arXiv: 2605.12624NeurIPS 2026(投稿中) · 6202 字 / English 1376 词 · 约 25 分钟更新于 2026-06-12
自动驾驶VLA
2026-05-13
LingBot-VA: Causal World Modeling for Robot Control
arXiv: 2601.21998蚂蚁灵波技术报告 · 8875 字 / English 1027 词 · 约 30 分钟更新于 2026-06-12
世界模型
OA-WAM: Object-Addressable World Action Model for Robust Robot Manipulation
arXiv: 2605.06481NeurIPS 2026(投稿中) · 4852 字 / English 583 词 · 约 17 分钟更新于 2026-06-12
世界模型
OneVL: One-Step Latent Reasoning and Planning with Vision-Language Explanations
arXiv: 2604.18486小米汽车技术报告 · 4992 字 / English 703 词 · 约 18 分钟更新于 2026-06-12
自动驾驶
2026-05-10
ConsisVLA-4D 论文阅读笔记
arXiv: 2605.05126CVPR 2026 · 8501 字 / English 1155 词 · 约 30 分钟更新于 2026-06-12
VLA3D重建
2026-05-08
LaST-R1 论文分享简明笔记
arXiv: 2604.28192ICML 2026 Spotlight · 5644 字 / English 1086 词 · 约 22 分钟更新于 2026-06-12
VLA强化学习
LaST-R1 论文与代码笔记
arXiv: 2604.28192ICML 2026 Spotlight · 8425 字 / English 1241 词 · 约 30 分钟更新于 2026-06-12
VLA强化学习