来源：老博侃AI 原文链接：https://mp.weixin.qq.com/s/i4d15fR2A3OlGDTHz-p3Lw 给你一张普通照片，人一眼就能看出哪个东西近、哪个东西远。但对机器来说，一张平的 2D 图片里其实没有「距离」这个信息，得靠算法猜。这件事叫「单目深度估计」——就一只眼睛（一个摄像头），估出整张图每个像素离你多远。它有啥用？扫地机器人躲障碍、手机拍照虚化背景、汽车看路...

来源：遥感与深度学习 原文链接：https://mp.weixin.qq.com/s/vZ6MEu5IEEI3WvnSv4bdow 题目：RoadBench: Benchmarking MLLMs on Fine-Grained Spatial Understanding and Reasoning under Urban Road Scenarios 会议：European Confere...

来源：小米技术 原文链接：https://mp.weixin.qq.com/s/O3Gbep1eQoxuwvFIhfiXEA 单步推理就能修复严重退化的人脸视频，让修复结果既清晰又像本人；视频大模型不再“看完再想”，而是边看边思考，响应速度提升 15.7 倍；美学模型不再孤立打分，而是像人一样在比较中感知美的高低。这些亮眼的成果，只是小米 AI 团队与自动驾驶团队入选 ECCV 2026 的...

来源：AI冲浪者 原文链接：https://mp.weixin.qq.com/s/q8Zsc3v89HeD9W2XHbcM2g 今日AI动态：OpenAI印度推广告，ECCV大会亮点纷呈，还有Agent可观测、推理加速等硬核技术。? GOAI大赛初赛晋级名单揭晓 世界人工智能开源大赛初赛结果公布，晋级名单引发关注。这一赛事旨在推动AI开源生态发展，为开发者提供展示平台。晋级团队将进入后续角逐...

来源：我爱机器人视觉 原文链接：https://mp.weixin.qq.com/s/N5SebrlZO1mY1tWYvmLSSg 随着多模态基础模型与大语言视觉模型（MLLMs）的快速发展，面向人的视觉智能正在迎来新的范式转变。传统视觉系统往往依赖受控数据集与静态任务设定，而真实世界中的人类行为理解则面临更复杂的开放环境：光照变化、快速运动、严重遮挡、复杂交互、多源传感器噪声以及跨域泛化挑...

来源：深蓝具身智能 原文链接：https://mp.weixin.qq.com/s/KSF-DndHNSau02ZYBMCT8Q 懂物理的3D世界模型，才有资格谈动态操控——高速动态任务场景 不可否认，VLA与视频世界模型在静态或准静态任务上已取得显著进展。 而在真实产线、日常服务场景中的目标往往处于持续运动状态——传送带上的工件、旋转货架上的货品、投掷而来的球体…… 这些动态物体的通用操作...

来源：深朴智能 原文链接：https://mp.weixin.qq.com/s/bdLAipcfmCr13rmp7dzDng 国际计算机视觉顶级会议 ECCV 2026 ( European Conference on Computer Vision ) 世界模型 Workshop 主题正式公布并面向全球开启征稿。本届 Workshop 聚焦“可信世界模型 ( Trustworthy Wor...

来源：JOJO极致算法 原文链接：https://mp.weixin.qq.com/s/JVTMXHb3LIW5JkqTlxKJAQ 视觉-语言-动作（VLA）模型虽然在通用机器人控制上展现出巨大潜力，但走向真实物理世界时却面临诸多落地阻碍。频繁的冗余动作严重拖慢了执行节奏，缺乏三维直觉使其容易陷入多相机协作下的视觉死角，而在复杂环境中的碰撞风险则暴露了模型在安全交互上的缺失。 为了跨越这些...

来源：极佳科技GigaAI 原文链接：https://mp.weixin.qq.com/s/cjSbnq0UIFfYEQqzeLOkhw近日，欧洲计算机视觉会议（European Conference on Computer Vision，ECCV）公布2026年论文录用结果，极佳视界共有13篇论文入选，研究方向覆盖具身智能、自动驾驶、视频生成、3D/4D场景重建、强化学习与物理仿真等多个关...

来源：量子位 原文链接：https://mp.weixin.qq.com/s/S15YL6gt809I3XObmFdvrA 世界模型这两年很火，但一个核心问题始终悬着： 它在仿真里跑得好好的，放到真实物理世界还靠谱吗？ 自动驾驶场景下，模型可能产生物理幻觉；长时间推演中，几何一致性逐渐崩坏；极端corner case里，它给出过度自信的误判。 从仿真到部署，这道鸿沟不是调调参数就能跨过去的。...