CVPR 2026开幕即炸场：世界模型登顶互动榜，视频生成物理对齐，中国具身力量集体爆发

本文作者：陈淑瑜

2026-06-04 15:02

导语：CVPR于6月2日开幕：世界模型霸榜，具身智能冲锋

CVPR 2026于6月2日在丹佛正式开幕，16,092篇投稿创历史新高，录取约3,000篇。开幕首日三大趋势浮出水面：Dexterous World Models以111 likes登顶本周最高互动论文，世界模型+具身操作成为绝对焦点；WMReward用隐世界模型实现视频生成推理时物理对齐，开辟新方向；星海图具身模型横扫7大基准、清华AIR开源分钟级机器人训练框架——中国具身力量在CVPR舞台集体亮相。

今日热门议题

以下为6月3日社区关注度最高的三个核心议题，按热度排序，均附论文摘要与原文链接，方便快速研判与选题跟进。

热门议题一：世界模型+具身操作封神，DWM 111 likes问鼎互动榜首

当多数人还在讨论世界模型的理论价值，KAIST团队已经把场景-动作联合视频扩散模型做到了极致。世界模型与具身智能的融合，正在从概念走向实打实的落地。

论文：Dexterous World Models (DWM)：场景-动作联合视频扩散模型

作者：Byungjun Kim, Taeksoo Kim, Junyoung Lee, Hanbyul Joo（KAIST）

来源：Twitter @byungjun__kim

日期：2026-06-02

分级：S级（全网最高互动）

论文摘要

提出场景-动作条件化的视频扩散模型，将世界模型与灵巧操作结合，是本届CVPR 2026开幕后全网最高互动论文。论文被CVPR 2026主会接收，同时投稿至VideoWorldModel Workshop和H2R Workshop。Hanbyul Joo组在3D视觉与世界模型方面具有持续产出，此工作进一步巩固了KAIST在该方向的前沿地位。

查看推文： https://x.com/byungjun__kim/status/2061759238071009336

热门议题二：视频生成终获物理对齐，WMReward用隐世界模型撬动新方向

视频生成模型常常产出物理上不合理的画面——这是AI圈心照不宣的痛点。Meta FAIR的WMReward以CVPR 2026 Highlight之姿给出解法：在推理时用隐世界模型做物理对齐，不改变模型本身，却能显著提升输出的物理合理性。

论文：WMReward: Inference-time Physics Alignment of Video Generative Models with Latent World Models

作者：Jianhao Yuan 等（FAIR Meta）

来源：Twitter @DYDYYDYYYD

日期：2026-06-02

分级：S级（CVPR 2026 Highlight）

论文摘要

CVPR 2026 Highlight论文。提出WMReward，一个推理时框架，用隐世界模型（Latent World Models）引导视频生成器生成物理合理的输出。核心思路是不改变已训练的生成模型，而是在推理过程中引入世界模型作为物理合理性评估器，对输出进行实时对齐。这代表了视频生成领域从「只管生成」到「物理对齐」的方向转变。

查看推文： https://x.com/DYDYYDYYYD/status/2061871945222685085

热门议题三：具身智能中国力量亮剑，星海图横扫7榜+清华AIR 3分钟训机器人

从星海图G0.5自回归具身模型横扫7大评测基准，到清华AIR开源分钟级机器人训练框架，中国团队在CVPR 2026开幕前后密集亮出硬核成果。具身智能不再是纸上谈兵，中国力量正在定义这一赛道的新标杆。

论文一：星海图具身模型 G0.5

作者：星海图（中国）

来源：机器之心

日期：2026-06-01

核心亮点

星海图新一代具身模型G0.5采用自回归创新，横扫7大具身评测基准，让机器人边思考边行动。这是中国企业在具身智能领域的一次重要技术亮相，与CVPR同期发布的DWM等世界模型工作形成呼应。

查看全文： https://mp.weixin.qq.com/s/nTJCsLfKtMglgicr_oqKbA

CVPR 2026开幕即炸场：世界模型登顶互动榜，视频生成物理对齐，中国具身力量集体爆发