作者 | 李云飞 编辑 | 陈大鑫 用积木拼搭各种建筑应该是很多小朋友童年的一大乐趣。现在，聪明的机器人也能自己玩积木了，而且不用人告诉它成品长什么样，机器人可以自己设计、建造一并完成。 AI 科技评论今天介绍一篇来自清华大学和字节跳动的研究者发表在 IROS 2021  的论文： “Learning to Design and Construct Bridge without...

来源：机器地图 原文链接：https://mp.weixin.qq.com/s/kgvUksuwXiQ4p-4jjAD8jA 标题：The Sword, Shield, and Achilles’ Heel: Characterizing the Linguistic Inductive Bias of Large Language Models for Spatial Reasoning in Navigation Planning 作者：Xudong Zhang, Jian Yang, Shengkai Wang, Jiangpeng Tian, Shaowen Chen, Xian Wei, Ke Li, Xiong You 机构：华东师范大学，信息工程大学，郑州大学 刊物:IJCAI-ECAI 2026 (the 35th International Joint Conference on Artificial Intelligence) 链接：https://arxiv.org/abs/2605.31404 ...

2026年1月28日，智源多模态大模型成果”Multimodal learning with next-token prediction for large multimodal models（通过预测下一个词元进行多模态学习的多模态大模型）”上线国际顶级学术期刊Nature，预计2月12日纸质版正式刊发，这是我国科研机构主导的大模型成果首次在Nature正刊发表。 2018年以来，GPT采用 “预测下一个词元（Next-token prediction，NTP）”的自回归路线，实现了语言大模型重大突破，开启了生成式人工智能浪潮。 而多模态模型主要依赖对比学习、扩散模型等专门路线，自回归路线是否可以作为通用路线统一多模态？一直是未解之谜。智源这项成果表明，只采用自回归路线，就可以统一多模态学习，训练出优秀的原生多模态大模型，对于确立自回归成为生成式人工智能统一路线具有重大意义。 https://www.nature.com/articles/s41586-025-10041-x Nature编辑点评这项研究：Emu3 仅基于预测下一个词元（Next-token...

来源：公众号“labrn” 原文链接：https://mp.weixin.qq.com/s/-zkOZHQ3QERKJ_AXxXvdRw 香港中文大学任洪亮教授团队论文《用于消化道微创活检的仿生剪纸胶囊机器人》被机器人领域顶会 IEEE International Conference on Robotics and Automation (ICRA 2026) 录用。...

作为一场由中国政府相关部门主导的人工智能顶级会议，世界人工智能大会（WAIC 2018）不仅仅是各大人工智能相关企业展现其技术实力的舞台，也是这些企业推动其人工智能相关业务落地发展的最佳契机。而在出席本次世界人工智能大会的国际巨头中，表现得最为惹眼的，莫过于已经进入中国 26 年的微软。 可以说，微软在本次世界人工智能大会出尽了风头。 微软研究院的第八个中心 在 9 月 17...

来源：具身智能之心 原文链接：https://mp.weixin.qq.com/s/__nOgLL-F5ByiLMWYWaFtA 今年 RSS 上，香港大学助理教授、源策未来创始人李弘扬获得了 Early Career Spotlight，并在随后的演讲中，系统介绍了他对全身智能 Whole-Body Intelligence，也就是 WBI。 之前业内的叫法都是全身控制（whole-body...

来源：多模态信息融合 原文链接：https://mp.weixin.qq.com/s/QjD1bmw0Bvoga3Jx6BpHOQ01｜引言多曝光融合的目的就是把同一个场景下的不同曝光的照片的优点结合起来，使得高光不过曝、暗部有层次、运动的地方没有拖影。但是真实的设备不会一直用固定的方式去拍摄：在夜晚、逆光或者是室内和室外交接的地方，可能需要两帧、三帧甚至是五帧的数据来完成一次融合。...

作者丨张   璐 编辑丨齐铖湧 在具身智能与机器人领域迅速演进的今天，一个问题正在浮出水面： 要想让机器人真正走进千家万户，我们到底该靠特定硬件采集的“具身数据”，还是该拥抱浩瀚如海的“互联网与人类行为数据”？ 2026年RSS大会最后一天的workshop圆桌讨论，现场火药味十足。五位专家围绕世界模型的实际落地展开激烈交锋。 来自Georgia Tech和Nvidia的徐丹飞，以组合世界模型的研究闻名；Google与NYU的Sherry Yang，专注物理代理的世界模型评估与改进；Physical Intelligence的Laura Smith，强调具身智能的实践落地；NVIDIA的Max Li，长期深耕大模型架构；OpenDriveLab的Li Chen，则在机器人数据与控制领域有丰富经验。 01 大家都知道现在搞AI都在追求大一统，但在机器人领域，这条路真的走得通吗？主持人一上来就抛出问题——世界模型和策略模型，应该合体还是分开？现场的几位大佬瞬间根据各自的学术立场分成了两大阵营。 ▎本轮对阵的双方是： “大一统”合体派：PI科学家Laura...

雷锋网消息，近日，由北京市人民政府、工业和信息化部、中国科协主办，中国电子学会、北京市经济和信息化委员会、北京经济技术开发区管委会承办的第三届“WRC世界机器人大会”在北京盛大召开。本届大会以“共创智慧新动能，共享开放新时代”为主题，受到了国际社会各方力量的热切关注。 大会期间，“国际合作与机遇论坛”于8月16日成功举办，美国机器人工业协会主席Jeff Burnstein作为演讲嘉宾作了演讲。 ...

来源：公众号“机器之心” 链接：https://mp.weixin.qq.com/s/SmpQ7MKd2R_z9oqkMngGWw 在音乐术语中，Legato（连音）意味着音符之间平滑过渡、毫无间断，演奏出流畅优美的旋律。钢琴家的手指在琴键上滑动，小提琴家的弓在琴弦上连贯运行 —— 这种 "连音" 技巧让音乐充满生命力。一位真正掌握连音技巧的演奏者，不需要靠后期剪辑来弥补断点，而是能够知道如何让每一个音符自然地流向下一个。 机器人领域同样在追求这样的 "连音" 效果：让机器人的动作像音乐一样流畅自然，没有犹豫和停顿。然而，要让一台机器人真正做到这一点，远比想象中困难。 近日，千寻智能高阳团队的研究成果 《Learning Native Continuation for Action Chunking Flow Policies》 被机器人顶会 RSS 2026 接收！这项工作从训练机制出发，让机器人动作天然具有连续性，实现了 "连音" 般的流畅执行，在五个真实世界操作任务上超越了现有方法，为具身智能领域的动作生成研究提供了新的思路。 论文标题：Learning...