来源：深蓝具身智能 原文链接：https://mp\.weixin\.qq\.com/s/\_JknLgOM4Z3tki836EJuug 安全和任务完成度天生就有矛盾，光靠堆安全样本治标不治本，运动规划和图文匹配得拆开单独优化 ——物理碰撞安全 + 语义指令安全 机器人真的安全吗？ 现有的LIBERO、VLA-Arena这些评测基准，全在考“活能不能干完”，从来没把“安不安...

今天，距离 ECCV 2026 在瑞典马尔默开幕只剩 12 天，会前预热迎来最重磅的一天：官方完整议程首次揭晓，图灵奖得主 Yann LeCun 携手自动驾驶与世界模型领域的两位顶尖学者压轴 Keynote；与此同时，中国团队带来仅 71M 参数的实时人像“全能模型”，CMU 则拿出能一键修复 3D 渲染瑕疵的通用视频模型。 这些进展不仅勾勒出本届大会“世界模型 + 自动驾驶 + 轻量实时...

来源：高德地图 原文链接：https://mp\.weixin\.qq\.com/s/RbjfT1V632UQwraqHspU7w?scene=1&click\_id=630311600 大会介绍 ECCV（European Conference on Computer Vision，欧洲计算机视觉国际会议）是计算机视觉领域重要的顶级国际学术会议之一，与CVPR、ICCV并称计...

来源：世界模型研究 原文链接：https://mp\.weixin\.qq\.com/s/fbgFvWxyy5ds\_vIoEQqJDQ 【总结】One Video, One World（OVOW） 是一种面向单目视频到物理 4D 场景重建的训练免方法，它的核心目标是：只输入一段普通单目视频，就把其中的动态世界重建成可仿真、可编辑、可交互的 4D 网格场景！ 这里的 4D 指的是三维空间...

来源：林叔说事 原文链接：https://mp\.weixin\.qq\.com/s/dF\_niCtYfqjwld2AKRJwVw 拿起手机，对着你的房间随手录一段10秒钟的视频。 几分钟后，屏幕里出现了一个活生生的三维物理世界，原先的像素录像成了可以交互的场景。 桌子、椅子、花盆、甚至一只正在扑腾翅膀的鹦鹉，全都被拆解成了独立的实体网格。 你可以把一台虚拟机械臂丢进去：推一把花...

来源：我爱计算机视觉 原文链接：https://mp\.weixin\.qq\.com/s/2pGGqmJAUvmP\_nflnXBh3g 背景与动机：医疗推理一定要“把思考过程说出来”吗？ 经验丰富的医生在看到医学影像时，往往不会先生成一段冗长的逐步推理，再得到诊断结论。更多时候，他们会迅速调用长期积累的解剖知识、病灶模式和病例经验，在极短时间内完成感知匹配与诊断记...

来源：我爱计算机视觉 原文链接：https://mp\.weixin\.qq\.com/s/2pGGqmJAUvmP\_nflnXBh3g 背景与动机：医疗推理一定要“把思考过程说出来”吗？ 经验丰富的医生在看到医学影像时，往往不会先生成一段冗长的逐步推理，再得到诊断结论。更多时候，他们会迅速调用长期积累的解剖知识、病灶模式和病例经验，在极短时间内完成感知匹配与诊断记...

原文链接：https://mp\.weixin\.qq\.com/s/jKJOsNcG9chkEBSwtrlGxg IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)由 IEEE Computer Society 出版，是计算机科学与人工智能领域公认的国际顶级期刊之一，也是模式分析、机器智能与计算机视...

来源：AI驾驶员 原文链接：https://mp\.weixin\.qq\.com/s/QWytAhu1mZTHoDICy\-jC3A 大家有没有想过，为什么现在端到端自动驾驶还是不够“丝滑”？很多号称端到端的系统，本质上还是把感知和规划当成两个独立的任务：先用一个强大的感知网络看清周围，再把这个“快照”甩给规划模块去做决策。看似无缝衔接，实则暗藏巨大隐患——感知模块一旦看走眼，规划...

来源：深度学习研究生 原文链接：https://mp\.weixin\.qq\.com/s/LXcUJQZW93VOteOFdpj8QA ✨导读：通用多模态检索常用对比学习，但它把负样本简单当成“不是答案”，容易忽略查询里的细粒度实体、属性和动作。ELVA 把检索训练改成 ranking-driven RL：不用额外 reward model，而用可验证排序奖励和 margin re...