还记得年初三星推出的车尾有四块屏幕的安全货车吗？通过安装在车头的摄像头加屏幕，后面的汽车可以“透视”货车，从而在超车时了解前方路况，减少车祸。在今年的IROS 2016上，韩国科学技术院KAIST的机器人与计算机视觉实验室也展示了一项类似的技术，但他们没用屏幕这种粗暴的方式，而是做到了真正让汽车拥有透视能力。简单来说，KAIST的团队在前后两辆汽车上都装上了摄像头，前车所看到的信息会通过WiFi网络传到后车，并置于后车视野中的适当位置，这样就可以在车载屏幕上看到前车视野中的信息了（效果如下图）。相关的论文也已经发表。图中黄色的标记其实是题图中灰色的起亚或许看下面的视频更为直接：  ...

 美国匹兹堡，9月28日——美国匹兹堡智能机器人与系统国际会议（IROS）现场，Sharpa正式发布三款重磅全自研新品：首个一体式触觉感知灵巧操作机器人D01、新一代全触觉超紧凑、轻量化灵巧手W02，以及高保真外骨骼触感数据手套AE01。三款产品分别面向全身动作执行、手部精细操作与高质量操作数据采集，覆盖机器人如何运动、如何接触和操控物体，以及如何借助人的自然动作完成遥操作与数据获取三大关键环节，为真实环境中的复杂富接触操作提供了一套完整的硬件闭环。从机器人本体、末端执行器到连接人与机器人的数据采集设备，三款全自研新品共同指向同一个目标：进一步提升机器人完成复杂操作任务的速度、精度与触觉感知能力。D01、W02与AE01的同时发布，标志着Sharpa将带有全身电子皮肤的高性能本体、全掌触觉灵巧手和高精度数据采集设备连接成一套完整系统，从动作执行、精细操控延伸至数据获取，以三位一体的方式将机器人灵巧操作的性能边界与任务复杂度推向崭新高度。更强、更快、更精准：D01，专为灵巧操作而生的通用人形机器人作为Sharpa推出的首款一体式触觉感知灵巧操作机器人，D01从设计之初即围绕灵巧性、...

具备初步的世界状态跟踪能力，但不适合强约束、高可预测性的系统任务。 作者丨冯逸飞 编辑丨马晓宁 梁丙鉴 4 月 16 日，阿里发布了主打实时构建和交互的开放式世界模型产品 Happy Oyster。基于原生多模态架构，Happy Oyster 支持多模态输入与音视频联合生成，且生成过程中能够持续接收用户指令，实现画面实时响应、持续演绎。 如果说 AGI 是终极愿景，具身智能是物质载体，那么世界模型就是这一切的认知基础。它在技术脉络中占据了一个极其特殊的位置，那就是从大模型的“预测下一个词“，向”预测下一个物理状态“的演进节点。 这也让世界模型成为了一条炙手可热的赛道。16 日当天，腾讯开源了 HY-World 2.0，次日群核科技在港交所上市，成为“全球空间智能第一股“。视角拉得更远，谷歌、英伟达、Meta，以及李飞飞坐镇的 World Labs 都早就对这一赛道有所布局。 竞争逐渐升温之际，我们不禁要问，在最宏伟的愿景实现之前，有哪些先期落地场景可以为日后的争夺输血？ 在诸多可能的应用方向中，游戏开发是一个被各大厂商频频提及的选择。原因不难理解。视频模型证明了...

2022 年 9 月 1-3 日，由国家发展和改革委员会、工业和信息化部、科学技术部、国家互联网信息办公室、中国科学院、中国工程院、中国科学技术协会和上海市人民政府共同主办的 2022 世界人工智能大会(WAIC)将隆重举行，大会围绕“人类、科技、产业、城市、未来”五大元素，以元宇宙为切入点，深度演绎“智联世界，元生无界”的会议主题。Cocos 作为国内唯一拥有独立知识产权的商业引擎，同时也是元宇宙数字内容的核心生产工具、技术基础之一，Cocos 致力于为元宇宙世界提供技术平台底座，降低元宇宙产品开发门槛，助力元宇宙空间的不断发展和持续创新。Cocos CEO 林顺将出席本次大会，与众多业大咖一起带来精彩分享，探索元宇宙前沿技术突破，把握数字转型机遇。同时，在 WAIC 浦东分会场张江科学会堂大厅 056 号展位百度智能云展区，观众还能亲身了解 Cocos 相关产品及服务，实地体验 Cocos 引擎的 3D 渲染能力及其广泛的应用场景。此前，Cocos 联合百度希壤，推出了基于 Cocos 引擎的一站式元宇宙内容开发解决方案希壤Lite。Cocos...

一年一度的世界人工智能大会云端峰会(WAIC)于7月9日开幕。会上，特斯拉CEO埃隆·马斯克也分享了一些自动驾驶方面的进展。马斯克表示，他对未来实现L5级别自动驾驶或是完全自动驾驶非常有信心。而特斯拉已经非常接近L5级自动驾驶了，将在今年完成开发L5级别的基本功能。他认为，目前L5级自动驾驶不存在底层的根本性挑战，但是有很多细节问题。因此特斯拉的挑战就是解决这些小问题，然后整合系统，持续解决这些长尾问题。“你会发现你可以处理绝大多数场景的问题，但是又会不时出现一些奇怪不寻常的场景，所以必须有一个系统来找出并解决这些奇怪的场景。所以需要有现实场景，没有什么比现实世界更复杂了，创建的任何模拟都是现实世界复杂性的子集。”目前，特斯拉在专注于解决L5级别自动驾驶的细节问题。通过现有的硬件版本和不断改进的软件来实现L5级别自动驾驶。在Autopilot方面，马斯克也透露，正在国内建立相关的工程团队。他强调道：在中国特斯拉将进行很多原创性工程开发，并非简单地将美国的内容直接照搬到中国。此外，马斯克还提到了在上海的超级工厂。他表示上海工厂展很顺利，对特斯拉团队感觉到无比自豪，也期待尽快访问上海...

阿里巴巴达摩院 +12 AI影响因子 ...

【封面图片来源：网站名中国科学院自动化研究所，所有者：GThinker】一、研究背景 多模态大语言模型（MLLM）在文本推理领域已展现出强大的迭代反思能力，但在涉及复杂视觉场景的推理任务中，依然存在明显缺陷——研究团队将其定义为视觉惯性（Visual Inertia）现象：尽管 MLLM 在文本语境中擅长进行多轮迭代推理并修正错误，但在视觉推理过程中往往不加质疑地依赖最初的视觉解释，即使这种初始解释具有误导性，也很少主动回头重新审视和修正。这种现象在初始视觉感知可能具有歧义性或误导性的复杂任务中（如视错觉图像、遮挡场景、细粒度属性识别等）导致系统性推理失败。现有 MLLM 缺乏主动触发重新审视关键视觉证据的机制，一旦初始感知出错，后续推理链会沿着错误方向越走越偏。GThinker 提出了 Cue-Rethinking（线索再思考）机制，赋予 MLLM 主动标记关键视觉线索并在发现不一致时自动触发重审的能力，从根本上缓解视觉惯性问题。二、核心方法GThinker 的核心是 Cue-Rethinking 机制和配套的两阶段训练框架。Cue-Rethinking...

雷锋网 AI 科技评论按：彼时，为期 7 天（6 月 9 日至 15 日）的 ICML 2019（国际机器学习大会）正在美国加州如火如荼地举行。据 ICML 2019 前不久公布的论文结果，今年大会共收到 3424 篇有效投稿论文，最终收录的论文数量为 774 篇，接收率为 22.6%。而今天，万众瞩目的 ICML 2019 最佳论文结果最新出炉，将会议推向了高潮。       ...

雷锋网 AI 科技评论按：正在进行的2017 机器学习国际大会（ICML 2017）早早地就在其官网公布了本次会议的最佳论文评选结果（重磅 | ICML 2017最佳论文公布！机器学习的可解释性成热点），其中最佳论文奖为《Understanding Black-box Predictions via Influence...

AI 的星星之火已经开始燎原，难以再被扑灭。作者丨陈彩娴2025 年的春节无疑已被 DeepSeek 霸屏。过去三年每年的春节都有一次重磅的 AI 讨论：2023 年是 ChatGPT、2024 年是 Sora，这两股风潮都是由 OpenAI 掀起，而 2025 年则是 DeepSeek 的 V3 与 R1。除夕当天 1 月 28 日，DeepSeek 更是趁热发布了文生图模型 Janus-Pro，但后者没有 V3 与 R1 吸引的关注大，原因在于其没有像前者一样动摇了过去基座大模型的「奇迹」DeepSeek V3 的参数规模是 6710 亿，训练成本不到 560 万美元，训练时长在 280 万 GPU 小时。相比之下，GPT-4o 的训练成本约为 1 亿美元，Llama 3 405B 训练时长则为 3080 万 GPU 小时。Meta 的 Llama 3 是用 16000 张 H00 训练，此前还计划在 2024 年囤卡 60 万张英伟达 GPU 去做模型升级；马斯克创立的 XAI 甚至囤卡 10 万张 H100 建数据中心。根据媒体报道，DeepSeek V3 与 R1...