来源：机器之心 原文链接：https://mp.weixin.qq.com/s/tMxuVOqCad5I6bO_Jb3Njg 请想象这样一种居家场景：当你戴着 AI 眼镜在厨房准备晚饭，用刀切菜时，它会立刻提醒你注意安全；当你连续几天形成举着手机长时间录像的习惯时，它会主动建议你换一种更省力的记录方式。前者需要 AI 助手根据当前场景服务用户，后者则需要调用跨越数天的记忆，总结用户生活规律。...

来源：量子位 原文链接：https://mp.weixin.qq.com/s/fmy0V_Curk3m7PNq3dZgHQ MLNLP社区是国内外知名的机器学习与自然语言处理社区，受众覆盖国内外NLP硕博生、高校老师以及企业研究人员。社区的愿景是促进国内外自然语言处理，机器学习学术界、产业界和广大爱好者之间的交流和进步，特别是初学者同学们的进步。在机器人、自动驾驶、AR等真实场景中，空间理解...

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 MLLM 原...

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时候该收手、...

视觉、听觉、触觉三种数据，其实是同一组物理属性在不同感官通道上的投影。 作者丨陈淑瑜 编辑丨岑 峰 2026年9月8日，欧洲计算机视觉会议 ECCV 在瑞典马尔默召开。在 9 月 9 日的“ Embodied Multimodal Reasoning in Physical Environments（物理环境中的具身多模态推理）”专题分场上，斯坦福大学计算机科学助理教授吴佳俊发表了一场横跨视...

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： “穿过走廊，...

来源：我爱计算机视觉 原文链接：https://mp.weixin.qq.com/s/2pGGqmJAUvmP_nflnXBh3g 论文标题：MedSynapse-V: Bridging Visual Perception and Clinical Intuition via Latent Memory Evolution 作者：Chunzheng Zhu、Jiaqi Zeng、Junyu ...

来源：遥感和深度学习 原文链接：https://mp.weixin.qq.com/s/kvFykKLlDoECC_M2-1aaQg 题目：RBE-Flow: Recurrent Bayesian Estimation on Feature Manifolds for Cross-Modal Registration 期刊：European Conference on Computer Vis...

9月8日至12日，计算机视觉顶级会议ECCV 2026在瑞典马尔默举行。大会由欧洲计算机视觉协会主办，汇聚了Google、Meta、Apple、Amazon等全球科技巨头作为主要赞助商。9月9日，MARS2 Workshop（2nd Multimodal Reasoning and Slow Thinking in the Large Model Era）由钛动科技牵头发起并成功举办，这是本...

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: Fast and High-Quality Visio...