7月9日，人工智能与计算机视觉领域的风向标盛会ICML 2026正式开启了三天的核心议程。本届大会在创纪录的投递量中严选出6352篇录用论文，其中包含代表前沿风向的Spotlight论文536篇（占投稿总数的 2.2%），以及极具开创性的Oral 论文168篇 （仅占投稿总数的 0.7 %）。 本届入选的研究方向展现了极高的多元性，全面覆盖了从多模态大模型到三维高斯泼溅、从具身智能视觉到神经辐射场优化、从可信视觉到高效边缘端部署的激进探索。在整体投稿规模较去年呈现翻倍式增长、同行评审机制经历全面“严苛重塑”的背景下，这批在重重筛选中脱颖而出的顶尖工作，凝聚了当前计算机视觉领域最不容错过的学术硬核。 这不仅仅是一份成果的罗列，更是对当前视觉计算技术演进脉络的一次深度复盘——从感知智能到认知推理的跃迁，从纯虚拟像素到物理世界具身交互的融合。我们期待这些来自一线的视觉定格，能带你直面并读懂正发生在这场学术潮头之上的底层变革。 以下为你奉上精选自Poster Session...

来源：云磐信息原文链接：https://mp.weixin.qq.com/s/iJW3VS3qXNZl2bqCeuF1Pw2026世界机器人大会将于2026年8月19日至23日在北京经济技术开发区北人亦创国际会展中心举办。今年，第二届“E-TOWN机器人消费节”将继续在大会同期举办，大会现场首次打造 机器人消费街ROBOT SHOPPING STREET，全新解锁...

探索“大模型+机器人”，迈向人机物高效融合与协作。作者丨林倞在首钢基金成立十周年之际，鹏城实验室多智能体与具身智能研究所所长、中山大学林倞教授受邀出席“名人堂”系列第二场活动，发表题为《具身智能：迈向人机物高效融合与协作》的主题演讲。林教授系统阐述了具身智能的核心技术突破、产业化挑战及未来前景，并分享了鹏城实验室与中山大学在该领域的创新成果，为人工智能与物理世界深度融合指明方向。2024年，具身智能无疑成为了人工智能领域的热点话题，吸引了产业界、学术界以及众多创业公司的广泛关注与热烈讨论。林教授在演讲中回顾了过去一年具身智能领域取得的显著成果，并分享了他在学术研究与产业实践方面的心得体会。1、研究背景2024年被业界定义为人工智能发展的“阶跃式元年”，两大标志性事件凸显了该领域的革命性突破。其一是多模态大模型的全面崛起。自2022年末ChatGPT问世以来，历经2023年的技术沉淀，至2024年已实现爆发式迭代，其逻辑推理能力显著增强。目前，多模态大模型不仅可完成日常对话、数学与奥赛题目解析，甚至辅助科学家进行前沿领域的探索与发现。与此同时，AI推理成本呈现指数级下降趋势，曾经昂...

学术数据和真实数据完全是两回事；可解释性成落地“生死线”。    作者丨幸丽娟     编辑丨岑   峰                                                                                                      ...

联合编辑赛琼，宗仁雷锋网消息：今天是IJCAI大会（国际人工智能联合会议）的第一天，在寒冷的墨尔本，雷锋网的记者来到这里为大家带来大会的最新报道。大会的前两天在墨尔本皇家理工大学（RMIT）举行，后面的五天则在墨尔本会展中心举行。这两天由丰富的workshop和tutorial组成，在RMIT 80号楼的不同课室中进行。大会的余下议程将在墨尔本会展中心举行。雷峰网(公众号：雷峰网)向当地的学生了解到，大会之所以分两个地点举办，主要是因为前两天的workshop数目非常多，借用了RMIT周末的课室以降低成本。...

来源：3D视觉工坊 原文链接：https://mp.weixin.qq.com/s/OeuvkEsZfxOF4SEZcD4wPA 标题：DLWM: Dual Latent World Models enable Holistic Gaussian-centric Pre-training in Autonomous Driving 作者：Yiyao Zhu, Ying Xue, Haiming Zhang, Guangfeng Jiang, Wending Zhou, Xu Yan, Jiantao Gao, Yingjie Cai, Bingbing Liu, Zhen Li, Shaojie Shen 机构：HKUST、CUHK-SZ、USTC、Huawei Foundation Model Department 原文链接：https://arxiv.org/abs/2604.00969 ...

来源：公众号“3DCV” 原文链接：https://mp.weixin.qq.com/s/eSYRI16zVA-noIU16-W-Tw?scene=1&click_id=156 标题：DAGE: Dual-Stream Architecture for Efficient and Fine-Grained Geometry Estimation 作者：Tuan Duc Ngo, Jiahui Huang, Seoung Wug Oh, Kevin Blackburn-Matzen, Evangelos Kalogerakis, Chuang Gan, Joon-Young Lee 机构：UMass Amherst 2Adobe Research 3TU Crete 原文链接：https://arxiv.org/abs/2603.03744 代码链接：https://ngoductuanlhp.github.io/dage-site/ ...

来源：JOJO极致算法 原文链接：https://mp.weixin.qq.com/s/JVTMXHb3LIW5JkqTlxKJAQ 视觉-语言-动作（VLA）模型虽然在通用机器人控制上展现出巨大潜力，但走向真实物理世界时却面临诸多落地阻碍。频繁的冗余动作严重拖慢了执行节奏，缺乏三维直觉使其容易陷入多相机协作下的视觉死角，而在复杂环境中的碰撞风险则暴露了模型在安全交互上的缺失。...

来源：机器之心 原文链接：https://mp.weixin.qq.com/s/Oj5TXFn_g9z1pRXJUyjOPg 当听到「把双手举过头顶，然后向前走」，人可以在脑中补出一整段动作；当看到一段无声的人体轨迹，也能判断人物是在行走、转身还是踉跄。连续运动既可以被语言描述，也可以作为生成、预测和编辑的条件。 ...

来源：智驾机器人技术前线 原文链接：https://mp.weixin.qq.com/s/ud9BIsM145JUfLUZPcsdCQ机器人已经越来越擅长“看见”物体，却仍然不太会“记住”一个持续变化的世界。桌边的椅子被挪走、垃圾桶消失、推车突然出现，甚至同一个人从机器人身旁反复经过，都可能让语义地图迅速过期。来自卡内基梅隆大学 Robotics Institute 的...