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：人工智能学社 原文链接：https://mp\.weixin\.qq\.com/s/\_zXYmWN82y9bNHIXTI65Tw 原创 StudyAI.com —— 中国最佳AI社区 2026 年很可能是 AI 研究的“分水岭之年”。 一边是预训练 Scaling 撞上算力与数据的双重天花板——再堆参数、再堆语料的边际收益肉眼可见地收窄；另一边，四大核心顶会（ICLR、ICM...

来源：小栩走走停停 原文链接：https://mp\.weixin\.qq\.com/s/nfLPqZ7EaUESz2LT\_TB4Xg 最近，小米在国际计算机视觉顶会ECCV 2026上一口气入选12篇论文，其中与自动驾驶直接相关的有5篇。不少行内人在看到名录后感叹，这技术路线真的挺完整的，可怎么那么像某些实验室的做法？ 于是不少人给这套技术方案起了个外号叫做保时米方案，颇有几分别家...

来源：JOJO极智算法 原文链接：https://mp\.weixin\.qq\.com/s/jaTHqU6Ts9BnDGYap2XcHw 具身智能（Embodied AI）的浪潮正在席卷千行百业，而视觉-语言-动作（VLA）模型无疑是当下最受瞩目的“机器大脑”。然而，当VLA模型试图从实验室的简单抓取走向真实世界的复杂应用时，立刻撞上了三堵高墙：硬件形态的异构性（如形形色色的机械手）、...

来源：JOJO极智算法 原文链接：https://mp\.weixin\.qq\.com/s/jaTHqU6Ts9BnDGYap2XcHw 具身智能（Embodied AI）的浪潮正在席卷千行百业，而视觉-语言-动作（VLA）模型无疑是当下最受瞩目的“机器大脑”。然而，当VLA模型试图从实验室的简单抓取走向真实世界的复杂应用时，立刻撞上了三堵高墙：硬件形态的异构性（如形形色色的机械手）、...

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...