来源：labren 原文链接：https://mp.weixin.qq.com/s/VrNm2pwk9-dBltTqcASSVQ?scene=1&click_id=117 香港中文大学任洪亮教授团队论文（SurgVidLM：在机器人辅助手术中利用大语言模型实现多粒度视频理解）被机器人领域顶会 IEEE International Conference on Robotics and ...

热门议题一：V2V 协同自动驾驶Salim Azak 单日发布 9 篇 ICRA 2026 论文，V2V 自动驾驶通信方向最为集中，图推理与大模型两条路径同组并行推进。1. V2V-GoT: Vehicle-to-Vehicle Cooperative Autonomous Driving摘要： "V2V-GoT"解决了车车协同自动驾驶中通信效率低下的问题，利用图推理（Graph of Th...

来源：公众号“机器之心” 原文链接：https://mp.weixin.qq.com/s/k-C_8ZHWktTRGa3kaq0Lcw 大语言模型驱动的代码生成技术，正在深刻重塑机器人控制软件的开发范式。曾经高度依赖人工的繁琐编程，如今只需简单的自然语言指令即可完成，开发效率实现了巨大的跃升。 然而，当我们将这项技术推向真实工业生产线时，一个关键问题凸显出来：面对工业场景对程序错误零容忍的严...

一、背景 视觉-语言-动作（VLA）模型正成为机器人智能化的核心架构，但现有主流方法（如OpenVLA、π0、CogACT）存在一个根本性缺陷：用同一个动作模型统一处理所有类型的动作。这种「一刀切」的设计在面对机器人操控任务时暴露出两大内在矛盾。从任务特性来看，机器人操控存在两种本质不同的动作类型：手臂大幅度运动（粗动作）需要全局场景理解、路径约束宽松；夹爪精细操作（精细动作）需要局部精细聚...

一、研究背景 视觉-语言-动作（VLA）模型是具身智能的核心架构，旨在让机器人通过视觉感知和语言理解直接输出动作指令。然而，当前主流VLA模型（如RT-2、OpenVLA）通常架构复杂、训练流程冗长，缺乏一个设计简洁、易于理解和复现的基准模型，阻碍了社区对VLA核心设计决策的系统性研究。此外，现有VLA模型在训练效率上存在显著差异——有些需要大规模预训练数据，有些依赖复杂的跨模态对齐策略，使...