Buchumschlag

Ego to World: Collaborative Spatial Reasoning in Embodied Systems via Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhou, Heng, Kang, Li, Qin, Yiran, Song, Xiufeng, Yu, Ao, Zhang, Zilu, Song, Haoming, Xu, Kaixin, Fan, Yuchen, Zhou, Dongzhan, Liu, Xiaohong, Zhang, Ruimao, Torr, Philip, Bai, Lei, Yin, Zhenfei
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Robotics Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

RoboFactory: Exploring Embodied Agent Collaboration with Compositional Constraints
von: Qin, Yiran, et al.
Veröffentlicht: (2025)

VIKI-R: Coordinating Embodied Multi-Agent Cooperation via Reinforcement Learning
von: Kang, Li, et al.
Veröffentlicht: (2025)

CoEnv: Driving Embodied Multi-Agent Collaboration via Compositional Environment
von: Kang, Li, et al.
Veröffentlicht: (2026)

ComSim: Building Scalable Real-World Robot Data Generation via Compositional Simulation
von: Qin, Yiran, et al.
Veröffentlicht: (2026)

MP5: A Multi-modal Open-ended Embodied System in Minecraft via Active Perception
von: Qin, Yiran, et al.
Veröffentlicht: (2023)

Select-then-Solve: Paradigm Routing as Inference-Time Optimization for LLM Agents
von: Zhou, Heng, et al.
Veröffentlicht: (2026)

Reading $\neq$ Seeing: Diagnosing and Closing the Typography Gap in Vision-Language Models
von: Zhou, Heng, et al.
Veröffentlicht: (2026)

MineDreamer: Learning to Follow Instructions via Chain-of-Imagination for Simulated-World Control
von: Zhou, Enshen, et al.
Veröffentlicht: (2024)

SophiaVL-R1: Reinforcing MLLMs Reasoning with Thinking Reward
von: Fan, Kaixuan, et al.
Veröffentlicht: (2025)

NavigateDiff: Visual Predictors are Zero-Shot Navigation Assistants
von: Qin, Yiran, et al.
Veröffentlicht: (2025)

WorldSimBench: Towards Video Generation Models as World Simulators
von: Qin, Yiran, et al.
Veröffentlicht: (2024)

LiveSearchBench: An Automatically Constructed Benchmark for Retrieval and Reasoning over Dynamic Knowledge
von: Zhou, Heng, et al.
Veröffentlicht: (2025)

ReSo: A Reward-driven Self-organizing LLM-based Multi-Agent System for Reasoning Tasks
von: Zhou, Heng, et al.
Veröffentlicht: (2025)

GauDP: Reinventing Multi-Agent Collaboration through Gaussian-Image Synergy in Diffusion Policies
von: Wang, Ziye, et al.
Veröffentlicht: (2025)

High-Dynamic Radar Sequence Prediction for Weather Nowcasting Using Spatiotemporal Coherent Gaussian Representation
von: Wang, Ziye, et al.
Veröffentlicht: (2025)

Scaling Behaviors of LLM Reinforcement Learning Post-Training: An Empirical Study in Mathematical Reasoning
von: Tan, Zelin, et al.
Veröffentlicht: (2025)

Sentinel: Embodied Cooperative Spatial Reasoning and Planning
von: Lin, Xiangye, et al.
Veröffentlicht: (2026)

Embodied-R: Collaborative Framework for Activating Embodied Spatial Reasoning in Foundation Models via Reinforcement Learning
von: Zhao, Baining, et al.
Veröffentlicht: (2025)

Spatial Reasoning with Vision-Language Models in Ego-Centric Multi-View Scenes
von: Gholami, Mohsen, et al.
Veröffentlicht: (2025)

World-Ego Modeling for Long-Horizon Evolution in Hybrid Embodied Tasks
von: Lin, Zuyao, et al.
Veröffentlicht: (2026)

SketchThinker-R1: Towards Efficient Sketch-Style Reasoning in Large Multimodal Models
von: Zhang, Ruiyang, et al.
Veröffentlicht: (2026)

StraTA: Incentivizing Agentic Reinforcement Learning with Strategic Trajectory Abstraction
von: Xue, Xiangyuan, et al.
Veröffentlicht: (2026)

Toward Accurate Camera-based 3D Object Detection via Cascade Depth Estimation and Calibration
von: Wang, Chaoqun, et al.
Veröffentlicht: (2024)

Rethinking Vision-Language Model in Face Forensics: Multi-Modal Interpretable Forged Face Detector
von: Guo, Xiao, et al.
Veröffentlicht: (2025)

MosaicThinker: On-Device Visual Spatial Reasoning for Embodied AI via Iterative Construction of Space Representation
von: Wang, Haoming, et al.
Veröffentlicht: (2026)

Can Knowledge-Graph-based Retrieval Augmented Generation Really Retrieve What You Need?
von: Yu, Junchi, et al.
Veröffentlicht: (2025)

Consolidating Diffusion-Generated Video Detection with Unified Multimodal Forgery Learning
von: Liu, Xiaohong, et al.
Veröffentlicht: (2025)

EgoSim: Egocentric World Simulator for Embodied Interaction Generation
von: Hao, Jinkun, et al.
Veröffentlicht: (2026)

LabUtopia: High-Fidelity Simulation and Hierarchical Benchmark for Scientific Embodied Agents
von: Li, Rui, et al.
Veröffentlicht: (2025)

CDP: Towards Robust Autoregressive Visuomotor Policy Learning via Causal Diffusion
von: Ma, Jiahua, et al.
Veröffentlicht: (2025)

TouchGuide: Inference-Time Steering of Visuomotor Policies via Touch Guidance
von: Zhang, Zhemeng, et al.
Veröffentlicht: (2026)

AtomWorld: A Benchmark for Evaluating Spatial Reasoning in Large Language Models on Crystalline Materials
von: Lv, Taoyuze, et al.
Veröffentlicht: (2025)

A Survey of Robotic Navigation and Manipulation with Physics Simulators in the Era of Embodied AI
von: Wong, Lik Hang Kenny, et al.
Veröffentlicht: (2025)

On Learning Multi-Modal Forgery Representation for Diffusion Generated Video Detection
von: Song, Xiufeng, et al.
Veröffentlicht: (2024)

Reinforcing VLAs in Task-Agnostic World Models
von: Wang, Yucen, et al.
Veröffentlicht: (2026)

ReCrit: Transition-Aware Reinforcement Learning for Scientific Critic Reasoning
von: Xu, Wanghan, et al.
Veröffentlicht: (2026)

EgoPrune: Efficient Token Pruning for Egomotion Video Reasoning in Embodied Agent
von: Li, Jiaao, et al.
Veröffentlicht: (2025)

CoMAS: Co-Evolving Multi-Agent Systems via Interaction Rewards
von: Xue, Xiangyuan, et al.
Veröffentlicht: (2025)

Mem2Ego: Empowering Vision-Language Models with Global-to-Ego Memory for Long-Horizon Embodied Navigation
von: Zhang, Lingfeng, et al.
Veröffentlicht: (2025)

Position: Intelligent Science Laboratory Requires the Integration of Cognitive and Embodied AI
von: Zhang, Sha, et al.
Veröffentlicht: (2025)