论文原文链接 arXiv预印本页面：https://arxiv\.org/abs/2602\.02142v2 arXiv全文PDF：https://arxiv\.org/pdf/2602\.02142v2 DBLP页面：https://dblp\.uni\-trier\.de/pid/00/9938\.html（内含更详细的引用信息） Semantic Scholar页面：https...

原文作者：公众号“计算机顶会大全” 原文链接：https://mp.weixin.qq.com/s/SbiHonAq0qYEP-sC-sB-bA 论文作者来自美团和北京航空航天大学 论文链接： arXiv预印本https://arxiv.org/abs/2602.06556 arXiv PDFhttps://arxiv.org/pdf/2602.06556.pdf 官方项目页ht...

来源：labren 原文链接：https://mp.weixin.qq.com/s/VrNm2pwk9-dBltTqcASSVQ?scene=1&click_id=117 香港中文大学任洪亮教授团队论文（SurgVidLM：在机器人辅助手术中利用大语言模型实现多粒度视频理解）被机器人领域顶会 IEEE International Conference on Robotics a...

热门议题一：V2V 协同自动驾驶 Salim Azak 单日发布 9 篇 ICRA 2026 论文，V2V 自动驾驶通信方向最为集中，图推理与大模型两条路径同组并行推进。 1. V2V-GoT: Vehicle-to-Vehicle Cooperative Autonomous Driving 摘要： "V2V-GoT"解决了车车协同自动驾驶中通信效率低下的...

来源：地瓜机器人 原文链接：https://mp\.weixin\.qq\.com/s/WQiXlk18j1ls8XHiGkQpcQ 四大核心技术拆解：从学术创新到落地价值 CVPR 2026 | 3D-Fixer： 单图生成可交互 3D 场景，解锁 “原位补全” 新范式 链接： https://openreview\.net/login?redirect=/forum?id...

来源：公众号“北京大学前沿计算研究中心” 解读链接：https://mp\.weixin\.qq\.com/s/tqnWuw9kG4a4WGPXe2oxlQ ** 01**** 研究背景**** 当前具身智能正朝着通用人工智能的方向快速发展，具身智能提高的关键一步就是构建出能够根据人类指令在环境中移动的导航智能体。近年来，视觉语言导航（VLN）等任务得到了广泛研究，但现有...

来源：公众号“机器之心” 原文链接：https://mp\.weixin\.qq\.com/s/uTffZgN0uuiknCcIY\-VGYw 本文的共同第一作者为新加坡国立大学博士生陈浩楠，新加坡国立大学硕士生郭京翔。合作者为汪邦骏、张添睿、黄叙川、郑博仁、侯懿文、铁宸睿、邓家俊。通讯作者为新加坡国立大学计算机学院助理教授邵林，研究方向为机器人和人工智能。 在具身智能领域，机器人操作...

原文链接：https://mp\.weixin\.qq\.com/s/qyxOyHNdHC6C11584aeRfA 论文主题｜Seeing Space and Motion: Enhancing Latent Actions with Spatial and Dynamic Awareness for VLA 论文链接｜https://arxiv.org/abs/2509.26251 ...

【封面图片来源：网站名微信公众号，所有者：极市平台】 一、背景  工业质检和医疗影像分析中，传统方法采用"一个任务一个模型"的碎片化模式，检测不同模态（如RGB、红外、3D深度）需要部署多个专用模型，导致运维成本高、泛化能力差。现有方法存在域干扰问题——直接融合多域特征会引入噪声，导致大量误报。 能否构建一个通用的"大脑"，既能理解多模态融合信息，又能针对不同任务动态调用"专家知识"？...

一、背景  视觉-语言-动作（VLA）模型正成为机器人智能化的核心架构，但现有主流方法（如OpenVLA、π0、CogACT）存在一个根本性缺陷：用同一个动作模型统一处理所有类型的动作。这种「一刀切」的设计在面对机器人操控任务时暴露出两大内在矛盾。 从任务特性来看，机器人操控存在两种本质不同的动作类型：手臂大幅度运动（粗动作）需要全局场景理解、路径约束宽松；夹爪精细操作（精...