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：每日记者新闻 原文链接：https://mp.weixin.qq.com/s/3_22EQPhCRtLEiw7xJcvTQ 8月19日，“2026世界机器人大会”在北京开幕。《每日经济新闻》记者（以下简称每经记者）暴走2万步探展，对话十余家厂商，梳理出诸多产业新趋势。 首先是大厂加码。小米时隔4年携新一代人形机器人回归；奇瑞旗下的墨甲机器人在22个城市同步直播其智警机器人的道路执勤状态...

来源：公众号HKBU计算机系 原文链接：https://mp.weixin.qq.com/s/jPIQO5Xuo1pvZ_xWOk6rcw?scene=1 香港浸会大学计算机系博士生宋奇、博士后研究员罗梓源、博士生韩昊亮与导师万人杰教授的最新研究成果 “Generating Multi-view Adversarial Examples for Visual Geometry Grounde...

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：复旦大数据研究院原文链接：https://mp.weixin.qq.com/s/jKJOsNcG9chkEBSwtrlGxg IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)由 IEEE Computer Society 出版，是计算机科学与人工智能领域公认的国际顶级期刊之一，也是模式分析、机器...

来源：AI驾驶员 原文链接：https://mp.weixin.qq.com/s/QWytAhu1mZTHoDICy-jC3A 大家有没有想过，为什么现在端到端自动驾驶还是不够“丝滑”？很多号称端到端的系统，本质上还是把感知和规划当成两个独立的任务：先用一个强大的感知网络看清周围，再把这个“快照”甩给规划模块去做决策。看似无缝衔接，实则暗藏巨大隐患——感知模块一旦看走眼，规划就得“将错就错”...

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...