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：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...