距CVPR 2026正式开幕（6月3日）仅剩两天，论文信息进入最后冲刺阶段。 本期三大爆点同日引爆：浙大&蚂蚁联合团队凭借HTD-Refine杀入Oral最佳论文候选，用高阶动力学对齐一举攻克单目人体动作恢复的"滑步+抖动"顽疾，成为本期国内团队最强信号；动态高斯重建方向，ClipGStream以"流式"架构首次同时拿下大运动+长序列，代码同步开源可直接复现；非视距感知赛道迎来标志性时刻——DENALI数据集与毫米波雷达GeRaF同时摘得Highlight，视觉×雷达双路线打通，NLOS从实验室概念正式迈入工程化。以下三大议题，带你在开幕前夜锁定最值得持续跟踪的技术脉搏。 热门议题一：浙大&蚂蚁Oral候选！高阶动力学对齐终结单目动作恢复的「滑步」顽疾 单目视频中的人体动作恢复是计算机视觉长期未解的难题——哪怕模型整体效果不错，脚底「滑步」和关节「抖动」依然如影随形，严重制约了在数字人、影视制作和康复医学中的实际落地。浙江大学与蚂蚁集团联合团队提出HTD-Refine，从高阶时序动力学入手，在机制层面根治了这一顽疾。更重要的是，它不仅被CVPR...

33亿参数的VLA模型在大多数任务上可达 50%-100% 成功率。作者丨王悦编辑丨陈彩娴NLP 和 CV 领域，大模型的泛化能力可以让数据量较大的通用模型超越垂直领域的专业模型，这一思路也在启示着具身智能的探索，机器人领域也看到了通用性的优势。在第六届国际分布式人工智能会议（Distributed Artificial Intelligence Conference，DAI 2024）上，关于具身智能大模型前沿话题的讨论尤为热烈，碰撞出多个新鲜观点。主办方设置多个 Keynote 、学术沙龙深入探讨具身智能、博弈论、开放环境中的多智能体强化学习以及大语言模型驱动的代码智能体等议题，还有关于决策智能体扩散模型和基座模型的专题讲座。UC Berkeley 的 Sergey Levine教授带来了题为《Robotic Foundation Models》的主旨演讲。在该演讲中，Sergey Levine...

作者：赖文昕 编辑：陈彩娴 2024 年已经过半，大模型技术的角逐也逐渐从上半场的「百模大战」转向下半场聚焦落地「千行百业」的产业应用。 过去短短 2 个月以来，全球 AI 界接连开展了数十场发布会，从海外的英伟达、OpenAI、谷歌、苹果，到国内的阿里巴巴、字节跳动、腾讯等一众企业纷纷出新，还不约而同地选择将大模型技术落地到产业应用之中。 AI 企业们似乎都在向世界宣告：科幻电影中的 AGI...

来源：煤矿工厂  文章链接：https://mp.weixin.qq.com/s/ujEpIrJ2gUp5TwtdhWVypQ 来源：ACM MM 2026 EgoLink Challenge Track 2 https://ego-link.github.io/challenge2026/#leaderboard成员：Punan Dai, Yanxi Wu, Lingxin Chu, Jun...

今年的WAIC是最有技术含量的一届峰会。 今年WAIC首次以“云会展”的形式开展，在形式上包含真人全息投影、实时3D云嘉宾体验等。其中，阿里巴巴创始人马云和特斯拉联合创始人兼CEO马斯克以全息投影的方式视频连线会议，并且还有全球首支人工智能合唱MV《智联家园》。 而过去的半年时间里，如果要去找一个最热门的行业，无疑是医疗。...

Hongbiao Zhu ：哈尔滨工业大学（HIT）博士研究生，师从Weidong Wang教授。同时也是卡内基梅隆大学访问学者，目前在机器人研究所与 Ji Zhang开展机器人自主探索和源定位相关研究。曾参加DARPA Subterranean 挑战赛在Exolorer项目中排名第二。 Ji Zhang ：系统科学家、Kaarta（ CMU 的衍生公司）创始人和前任首席科学家，主要工作涉及利用范围、视觉和惯性传感将 3D 映射技术商业化。最近主要研究小型飞行器如何在复杂环境中高速飞行，并避开障碍物。研究方向涉及运动规划、多机器人规划与协调、感知与3D视觉识别、多传感器数据融合等。 Heng Yang：麻省理工学院信息与决策系统实验室（LIDS）和机械工程系（MechE）在读博士生。目前与Carlone教授 在SPARK（传感，感知，自主性，机器人动力学）实验室开展有关机器人感知，计算机视觉和优化学习算法的研究。他希望通过在几何视觉、鲁棒估计和优化方面的应用经验来提高机器学习和人工智能的效率、鲁棒性、可解释性。 Shengkai...

来源：公众号“强化学习CASIA” 原文链接：https://mp.weixin.qq.com/s/qo-2ViC3UV8GXYscXcpRwA?scene=1&click_id=7 中科院自动化所深度强化学习团队提出了一种新的面向具身基础模型长期持续学习的强化学习后训练方法——LifeLong-RFT。该方法针对现有视觉-语言-动作模型（Vision-Language-Action, VLA）在后训练阶段普遍面临的数据需求高、学习新任务后容易遗忘旧技能等问题，提出了一种无需在线环境反馈、无需预训练奖励模型的强化学习微调框架。LifeLong-RFT 通过动作块级 On-policy 强化学习与多维过程奖励机制，将离线专家示范转化为可用于策略优化的细粒度反馈，从而提升 VLA 模型在多任务学习、少样本新任务适应和持续学习中的表现。 目前，该工作“Towards Long-Lived Robots: Continual Learning of VLA Models via Reinforcement Fine-Tuning”已被机器人领域顶级会议 Robotics:...

来源：将门创投 文章链接：https://mp\.weixin\.qq\.com/s/b0QNQtAau3xvEEl7ROVqKg 香港大学与忆生科技等机构将逐会话的动捕适配改为一次参数生成，为低成本灵巧手遥操作提供更准确的上游输入。 具身智能系统需要高质量的操作示教。在灵巧手场景中，数据采集首先面临一个基础问题：操作员实际做出的动作，能否被动捕设备准确记录。指尖位置和关节角度的偏差会进入动作重定向流程，影响机器人接触物体的方式，也可能降低采集到的演示质量。 高精度动捕设备具有性能优势，但部署成本和使用条件限制了其普及。低成本手套更容易进入采集现场，却会受到用户手型、佩戴松紧和会话变化的影响。如果每次换人或重新佩戴都需要优化一个模型，校准也会成为采集流程中的持续开销。 来自香港大学、忆生科技（TranscEngram）和深圳河套学院的研究人员提出 YOCO，把少样本动捕校准转化为会话条件化的权重生成，省去部署时的梯度微调。忆生科技为项目提供了数据采集和硬件支持。 论文题目:  YOCO: You Only Calibrate Once! Fast Mocap...

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...

来源：具身智能导航 文章链接：https://mp\.weixin\.qq\.com/s/g6dBxMJ7KPKJzYhKka\_HWA 经过系统梳理，CoRL 2025共收录了13篇具身导航相关论文。本文将对这些工作进行系统性总结，深度剖析该领域的研究现状、发展趋势，并与NeurIPS等AI顶会进行对比分析。 01. 研究任务概览：多元化任务分布 CoRL 2025的具身导航论文呈现出任务多样化的显著特点： 视觉导航 (Visual Navigation) 是最主要的研究方向，包括基于拓扑地图的导航[1]、基于人类偏好的导航[2]、安全增强导航[7]等多个子方向。 视觉语言导航 (VLN) 同样受到关注，强调零样本泛化[11]和无人机场景[12]的实际部署能力。 社会性导航 (Social Navigation) 是CoRL的一大特色，包括人群导航中的安全性保障[10]、社会场景理解基准构建[4]等，这类工作在AI会议中相对较少。 此外，还涵盖人形机器人导航[3]、多机器人协同[5]、移动操作[9]、越野导航[13]等更贴近实际机器人应用的方向。 02. 当前研究的核心挑战...