来源：机器之心 原文链接：https://mp\.weixin\.qq\.com/s/yaIxPelBSSqg6GJ5hAhMKg 论文的团队来自于清华大学产业研究院（AIR），滴滴，北京航空航天大学。团队近年在自动驾驶与具身智能领域发表论文数十篇，并和国内外知名高校、科研机构广泛开展合作。 该论文的第一作者为杨予光，北京航空航天大学博士研究生，研究方向为自动驾驶与具身智能，提出首个 ...

来源：每日记者新闻 原文链接：https://mp\.weixin\.qq\.com/s/3\_22EQPhCRtLEiw7xJcvTQ 8月19日，“2026世界机器人大会”在北京开幕。《每日经济新闻》记者（以下简称每经记者）暴走2万步探展，对话十余家厂商，梳理出诸多产业新趋势。 首先是大厂加码。小米时隔4年携新一代人形机器人回归；奇瑞旗下的墨甲机器人在22个城市同步直播其智警机器人...

来源：公众号HKBU计算机系 原文链接：https://mp\.weixin\.qq\.com/s/jPIQO5Xuo1pvZ\_xWOk6rcw?scene=1 香港浸会大学计算机系博士生宋奇、博士后研究员罗梓源、博士生韩昊亮与导师万人杰教授的最新研究成果 “Generating Multi-view Adversarial Examples for Visual Geometry G...

来源：公众号“具身栖息地” 原文链接：https://mp\.weixin\.qq\.com/s/DnTT7d2WSAYdvCLRnbMYzw?scene=1 想象一个这样的午后：家用机器人在餐边柜前接到“把杯子递过来”的指令，它抬起手臂，绕过桌角堆叠的杂志，避开突然探过身来的孩子，稳稳地握住杯柄，轻轻绕过水杯旁的玻璃花瓶，安全递到你手边。 这一切听起来很自然，是因为我们默认它懂得什么...

    作者丨陈淑瑜     编辑丨岑   峰 *                                                                                                       * ▎《Physics-Grounded Multimodal Perception：从视觉、声音到触觉的统一物理底座》 ...

来源：机器之心 原文链接：https://mp\.weixin\.qq\.com/s/u\_TLN8q7bp\-GJVcJVXYdPw 近年来，视觉语言模型（Vision-Language Model, VLM）在图像理解、语义推理等任务中展现出了强大的能力。然而，当这些模型真正进入物理世界，让机器人根据一句自然语言指令完成自主导航时，仍然面临巨大挑战。 例如，机器人完成一句简单的指令...

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：数策智合 原文链接：https://mp\.weixin\.qq\.com/s/kEaqXJ5BGpqXjgd1mrT71Q?scene=1 ⚡ ECCV 2026 的 LocateAnything 给出了一条更结构化的路线：把完整 bounding box 当成一个几何原子单元，一次并行解码。 ? 论文：LocateAnything: Fas...