来源：视觉语言导航 原文链接：https://mp.weixin.qq.com/s/TOVmH9nX8BAu-rH_ec2dbg ✨导读：用文字转述3D空间信息会丢失几何、语义细节，导航效果大打折扣！浙大团队推出SoftNav，直接把3D场景连续特征转为软Token输入VLM，仅17M可训练参数、1200条样本就刷新多导航赛道SOTA，还能零样本落地真实四足机器人。 作者：Yi Wu,...

来源：IPIU智能感知与图像理解 文章链接：https://mp.weixin.qq.com/s/s8tnN2ynJFjmB-UsQXhknA近日，计算机图形学与多媒体领域顶级会议ACM International Conference on Multimedia（ACM MM 2026）公布了论文接收结果，实验室共有18篇论文被ACM MM...

来源：越疆机器人 文章链接：https://mp\.weixin\.qq\.com/s/JUXV\_hdXIRGQHkE552zIUw 想象一下： 如果你想教一个人叠衣服，最直观的方式是什么？ 近期，帝国理工学院团队在越疆双臂机器人 X-Trainer 平台上，成功验证了基于上下文的柔性物体操作的范式，并在真实机器人上完成了端到端部署。相关成果发表于论文《Instant-Fold: In-Context Imitation Learning for Deformable Object Manipulation》。 该论文提出了一个叫 Instant-Fold 的系统。一种面向 DOM 的上下文内模仿学习（in-context imitation learning）框架，使机器人无需额外训练或微调，仅通过观看一次演示即可推断操作意图并自主执行，为柔性物体操作迈向“看一次就会”的通用模仿能力迈出了关键一步。 Instant-Fold 的能力建立在两个关键步骤之上。 第一步：让机器人认得出变形后的衣服。 ...

10月26日，在加州山景城举办的ACMMM进入正会的第三天。在今天的大会的Keynote环节，全球最大的视频网站Youtube副总裁Scott Sliver介绍了Youtube在多媒体领域的技术创新，全球最大的3D游戏引擎Unity Technology副总裁Danny Lange则介绍了Unity利用机器学习，帮助游戏开发者更好进行游戏变现以及游戏创作的实践。（参见雷锋网报道：《Unity AI副总裁Danny Lange：如何用AI助推游戏行业？》）在中午的Business Lunch环节，大会还颁发了最佳论文、最佳学生论文、最佳Demo、最佳博士论坛学生、最佳编辑及竞赛颁奖等多个奖项，其中最受关注的最佳论文由电子科技大学申恒涛团队的《Adversarial Cross-Model Retrival》获得。在此前，大会也已经颁出了三个重要奖项：ACM SIGMM 2017技术成就奖（奖金2000美元）：表彰在多媒体计算、通信和应用做出突出贡献的研究者。来自荷兰阿姆斯特丹大学的Arnold Smeulders教授获奖；ACM SIGMM...

来源：AI新现场 原文链接：https://mp.weixin.qq.com/s/BQIFrF-m1-Vi7yBfuCURtQ 8月15日，IJCAI-ECAI 2026在德国不来梅开幕。这场全球人工智能领域的重要学术会议将持续至8月21日，主会期为8月18日至21日。就在大会进入主会期之际，今年6月已经公布的IJCAI-26重大奖项再次受到关注：斯坦福大学计算机科学助理教授吴佳俊 (Jiajun...

来源：中国计算机大会 文章链接：https://mp\.weixin\.qq\.com/s/gWtmL01FTiygvbta6bKBMw CNCC2026将于10月21-24日在成都举办。今年将继续推出Tutorial，本篇介绍的Tutorial是——面向语言教育行业的多模态大模型关键技术。 CNCC2026将于10月21-24日在成都举办。今年将继续推出Tutorial，本篇介绍的Tutorial是——面向语言教育行业的多模态大模型关键技术。 Tutorial是由领域内专家主讲，面向全体参会者开放的专题讲座或教学环节，旨在介绍研究领域的最新进展或基础知识，内容涵盖原理、挑战、方法等。可以帮助刚进入该方向的博士生、青年学者快速补齐知识短板，以便更好地参会后续的前沿报告理解与未来方向思辨。 今年Tutorial共设置11大主题板块：AI基础模型、机器学习理论与机理、强化学习与推理、视觉多模态与世界模型、AI安全与治理、数据科学与数据空间、机器人与具身智能、Agent智能体、新型计算与网络架构、AI4Science、AI+行业。...

在第二届乌镇互联网大会上，刘强东曾透露京东无人机送货计划，并成立了京东物流实验室。去年12月，京东物流实验室正式改名为京东X事业部（取名“X”是因为京东未来将有X、Y、Z三大事业部构成整个供应链、仓储、物流的多维体系），包括三大无人技术产品：无人仓、无人机以及无人车。在去年上海的CES...

强化学习改变了模型组织技能的方式，而非简单提升指标。作者丨郑佳美编辑丨岑峰随着大语言模型规模和预训练强度的不断提升，强化学习在后训练阶段的角色正在发生微妙变化。一方面，它仍然是当前提升模型推理能力和多步决策表现的关键技术手段；另一方面，越来越多的经验性结果表明，在许多任务上，强化学习带来的性能提升往往难以与“新能力的形成”直接划等号。尤其是在 pass@k 等评测指标下，强化学习模型与基础模型之间的差距常常随着采样数的增加而迅速缩小，这使得一种观点逐渐占据上风：强化学习可能更多是在对模型内部已有解法进行筛选和重排，而非真正拓展模型的能力边界。问题在于，这一判断本身并不容易被验证或反驳。自然语言任务中，技能边界高度交织，模型在预训练阶段所接触的数据分布几乎无法完全排除，使得性能变化很难被明确归因于能力结构的改变。在这样的环境下，关于强化学习是否“教会模型新能力”的讨论，往往停留在指标层面的解释差异，而缺乏一个能够清晰刻画技能、控制任务难度并排除干扰因素的实验基础。正是在这样的背景下，清华大学的孙茂松、刘知远团队提出了《From f(x) and g(x) to f(g(x)):...

一、背景 视觉-语言-动作（VLA）模型正成为机器人智能化的核心架构，但现有主流方法（如OpenVLA、π0、CogACT）存在一个根本性缺陷：用同一个动作模型统一处理所有类型的动作。这种「一刀切」的设计在面对机器人操控任务时暴露出两大内在矛盾。从任务特性来看，机器人操控存在两种本质不同的动作类型：手臂大幅度运动（粗动作）需要全局场景理解、路径约束宽松；夹爪精细操作（精细动作）需要局部精细聚焦、精确抓取姿态、容错率极低。这两种动作在路径约束、视觉注意力和数据分布上有本质差异，用同一个模型兼顾「粗定位」与「精细操作」必然产生冲突。此外，传统方法缺乏对动作类型的主动感知与路由机制，无法根据当前操控阶段动态分配合适的推理资源，导致在长时程复杂任务中错误率随步骤增加而快速累积。DAM-VLA（Dynamic Action Model-Based Vision-Language-Action）首次将手臂运动与夹爪操作解耦建模，配合双尺度加权机制实现了精准高效的机器人操控。 二、核心方法 DAM-VLA...

8月19日，“第30届国际人工智能联合会（IJCAI 2021）”于线上隆重开幕，“联邦学习与迁移学习国际研讨会（FTL-IJCAI’21）”也在8月21日重磅登场。 本次研讨会由微众银行、京东、第四范式、星云Clustar联合香港科技大学、南洋理工大学等高校共同主办。 技术赋能，联邦学习与迁移学习助力AI领域大变革 2021年是机器学习取得了长足发展的一年，不仅迁移学习延伸出了协同学习，联邦学习发展形势更是迅猛：从个性化联邦学习到异构联邦学习，从领域泛化到用户选择和聚类，联邦学习与迁移学习领域的新研究主题百花齐放，不仅聚合成了AI领域的研究新趋势，还为商业落地提供了强有力的理论支持。联邦学习与迁移学习也被Gartner列入“2020年数据科学与机器学习技术成熟度曲线”，标志着技术从实验室研究阶段进入大规模工业落地阶段。 ...