来源：华科大认知计算与智能信息处理 原文链接：https://mp.weixin.qq.com/s/3OsxWHUocRd_sWSunk--iA 近日，计算机视觉领域的顶级国际会议ECCV 2026论文录用结果揭晓，华中科技大学认知计算与智能信息处理实验室24级研究生袁嘉晟同学论文“Wavelet-based Intra-video Counterfactual Reasoning for ...

用像素坐标加绝对深度表示轨迹，换本体不必重训模型。 作者丨张 璐 编辑丨幸丽娟 试想，对一个家庭服务机器人下达指令：拿水壶从左到右依次给花浇水，喷头需悬停在每朵花上方 1 到 5 厘米处。 这个指令看似日常，对现在的具身系统却很苛刻：既要分清花的左右顺序，又要把喷头停在每朵花上方约 1–5 厘米。2D 轨迹一旦深度估错，喷头要么砸到花盆，要么对着空气做无用功。带绝对尺度和避障约束的指令，是当...

以推理决策与物理重建，让空间智能从生成走向因果交互。 作者丨张 璐 编辑丨幸丽娟 在生成式 AI 的演进历程中，从二维像素走向三维物理世界，是人工智能迈向现实落地的必经之路。以 3D Gaussian Splatting、Sora 级视频生成以及多模态大模型为代表的技术，曾让行业看到了空间智能的巨大潜力。然而，当这些原本运行在数字世界中的算法尝试走向真实硬件与物理场景时，整个行业正在遭遇一场...

去哪训练、拿什么学、怎么考？这是物理AI从实验室走向现实世界的三个核心问题，现在有了系统性答案。 作者丨张 璐 编辑丨幸丽娟 物理人工智能（Physical AI）与具身智能正在经历一场深刻的范式转移。 从早期局限于单一任务的特定控制算法，到如今依托多模态大模型实现对三维物理世界的感知、推理与决策，AI Agent 正在逐步突破数字世界的边界。 然而，当智能试图走出虚拟空间、迈入现实世界时，...

Spatial-TTT 给 2B 模型装上“流式空间记忆” ，在空间基准上超越 GPT-5。 作者丨张 璐 编辑丨幸丽娟 单纯拉长上下文，可以解决“能塞进多少信息”的问题。但面对状态变化、时序关联这类长程任务时，注意力还是容易被稀释，关键证据也容易找不回来。当场景扩展到具身机器人、自动驾驶和智能硬件这些需要与三维物理世界实时交互的领域时，这一矛盾被进一步放大。与纯文本或静态图文不同，真实物理...

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、ICML、CVPR、AC...

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，颇有几分别家顶会论文的味道...

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）、人类意图的...

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...