Buchumschlag

SNOW: Spatio-Temporal Scene Understanding with World Knowledge for Open-World Embodied Reasoning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sohn, Tin Stribor, Dillitzer, Maximilian, Corso, Jason J., Sax, Eric
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Robotics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

R4: Retrieval-Augmented Reasoning for Vision-Language Models in 4D Spatio-Temporal Space
von: Sohn, Tin Stribor, et al.
Veröffentlicht: (2025)

Embodied4C: Measuring What Matters for Embodied Vision-Language Navigation
von: Sohn, Tin Stribor, et al.
Veröffentlicht: (2025)

A Framework for a Capability-driven Evaluation of Scenario Understanding for Multimodal Large Language Models in Autonomous Driving
von: Sohn, Tin Stribor, et al.
Veröffentlicht: (2025)

Wanderland: Geometrically Grounded Simulation for Open-World Embodied AI
von: Liu, Xinhao, et al.
Veröffentlicht: (2025)

ChatVLA-2: Vision-Language-Action Model with Open-World Embodied Reasoning from Pretrained Knowledge
von: Zhou, Zhongyi, et al.
Veröffentlicht: (2025)

OpenSGA: Efficient 3D Scene Graph Alignment in the Open World
von: Chen, Gang, et al.
Veröffentlicht: (2026)

Ego to World: Collaborative Spatial Reasoning in Embodied Systems via Reinforcement Learning
von: Zhou, Heng, et al.
Veröffentlicht: (2026)

Nav-R1: Reasoning and Navigation in Embodied Scenes
von: Liu, Qingxiang, et al.
Veröffentlicht: (2025)

ReWorld: Multi-Dimensional Reward Modeling for Embodied World Models
von: Peng, Baorui, et al.
Veröffentlicht: (2026)

GigaWorld-0: World Models as Data Engine to Empower Embodied AI
von: GigaWorld Team, et al.
Veröffentlicht: (2025)

Embodied Scene Understanding for Vision Language Models via MetaVQA
von: Wang, Weizhen, et al.
Veröffentlicht: (2025)

From Scan to Action: Leveraging Realistic Scans for Embodied Scene Understanding
von: Halacheva, Anna-Maria, et al.
Veröffentlicht: (2025)

EmbodiedGen: Towards a Generative 3D World Engine for Embodied Intelligence
von: Wang, Xinjie, et al.
Veröffentlicht: (2025)

RoboScape: Physics-informed Embodied World Model
von: Shang, Yu, et al.
Veröffentlicht: (2025)

Learning 3D Persistent Embodied World Models
von: Zhou, Siyuan, et al.
Veröffentlicht: (2025)

WoMAP: World Models For Embodied Open-Vocabulary Object Localization
von: Yin, Tenny, et al.
Veröffentlicht: (2025)

WorldArena 2.0: Extending Embodied World Model Benchmarking on Modality, Functionality and Platform
von: Shang, Yu, et al.
Veröffentlicht: (2026)

WorldArena: A Unified Benchmark for Evaluating Perception and Functional Utility of Embodied World Models
von: Shang, Yu, et al.
Veröffentlicht: (2026)

3D-Mem: 3D Scene Memory for Embodied Exploration and Reasoning
von: Yang, Yuncong, et al.
Veröffentlicht: (2024)

TesserAct: Learning 4D Embodied World Models
von: Zhen, Haoyu, et al.
Veröffentlicht: (2025)

CLIPping the Limits: Finding the Sweet Spot for Relevant Images in Automated Driving Systems Perception Testing
von: Rigoll, Philipp, et al.
Veröffentlicht: (2024)

From Local Matches to Global Masks: Template-Guided Instance Detection and Segmentation in Open-World Scenes
von: Zhang, Qifan, et al.
Veröffentlicht: (2026)

WoW: Towards a World omniscient World model Through Embodied Interaction
von: Chi, Xiaowei, et al.
Veröffentlicht: (2025)

Open-World Panoptic Segmentation
von: Sodano, Matteo, et al.
Veröffentlicht: (2024)

OpenESS: Event-based Semantic Scene Understanding with Open Vocabularies
von: Kong, Lingdong, et al.
Veröffentlicht: (2024)

SKIP: Sparse Keyframe Interpolation Paradigm for Efficient Embodied World Models
von: He, Ziheng, et al.
Veröffentlicht: (2026)

CounterScene: Counterfactual Causal Reasoning in Generative World Models for Safety-Critical Closed-Loop Evaluation
von: Jing, Bowen, et al.
Veröffentlicht: (2026)

EVA: An Embodied World Model for Future Video Anticipation
von: Chi, Xiaowei, et al.
Veröffentlicht: (2024)

Articulated 3D Scene Graphs for Open-World Mobile Manipulation
von: Büchner, Martin, et al.
Veröffentlicht: (2026)

World Action Models: The Next Frontier in Embodied AI
von: Wang, Siyin, et al.
Veröffentlicht: (2026)

WorldVLM: Combining World Model Forecasting and Vision-Language Reasoning
von: Englmeier, Stefan, et al.
Veröffentlicht: (2026)

Embodied Tree of Thoughts: Deliberate Manipulation Planning with Embodied World Model
von: Xu, Wenjiang, et al.
Veröffentlicht: (2025)

RynnEC: Bringing MLLMs into Embodied World
von: Dang, Ronghao, et al.
Veröffentlicht: (2025)

Rethinking Video Generation Model for the Embodied World
von: Deng, Yufan, et al.
Veröffentlicht: (2026)

KeyWorld: Key Frame Reasoning Enables Effective and Efficient World Models
von: Li, Sibo, et al.
Veröffentlicht: (2025)

Kinema4D: Kinematic 4D World Modeling for Spatiotemporal Embodied Simulation
von: Xu, Mutian, et al.
Veröffentlicht: (2026)

SABER: A Scalable Action-Based Embodied Dataset for Real-World VLA Adaptation
von: Menga, Narsimha, et al.
Veröffentlicht: (2026)

Understanding Spatio-Temporal Relations in Human-Object Interaction using Pyramid Graph Convolutional Network
von: Xing, Hao, et al.
Veröffentlicht: (2024)

Embodied Spatial Intelligence: from Implicit Scene Modeling to Spatial Reasoning
von: Fang, Jiading
Veröffentlicht: (2025)

ECBench: Can Multi-modal Foundation Models Understand the Egocentric World? A Holistic Embodied Cognition Benchmark
von: Dang, Ronghao, et al.
Veröffentlicht: (2025)