跳到正文
11月12日周四
11月4日周三
  1. OpenCV Blog18

    OpenCV 直播演示构建机器人视觉皮层:结合 RealSense、Jetson 与 VLM 实现自主导航及自然语言控制

    OpenCV 于 11 月 5 日举办开发者专场,展示如何搭配 RealSense 深度相机、NVIDIA Jetson、ROS 2 及视觉语言模型构建机器人“视觉皮层”。现场基于 AgenticROS 演示了空间推理、自主导航、人形检测交互及自然语言控制等任务,并提供可运行的开源代码。

10月16日周五
10月14日周三
  1. Google DeepMind82

    Gemini 4 Argon 发布:具身推理与复杂工程任务全球上线

    Google DeepMind 正式发布 Gemini 4 Argon 模型,该模型在具身推理基准 ERQA 中以 87% 的分数领先其他前沿模型,并展示了通过观看人类操作视频自主构建仿真代码、进而将技能迁移至人形机器人(Apptronik Apollo)实现连续投掷的技能。

    推荐理由:DeepMind 发布 Gemini 4 Argon,在具身推理基准 ERQA 以 87% 分数领先,并展示通过观看视频自主构建仿真代码并在人形机器人上实现技能迁移的能力。

10月10日周六
  1. 工业和信息化部 · 文件与征求意见35

    工信部征求《汽车产品创新设计和研发测试验证》管理通知意见

    工信部会同公安部等部门公开征求关于进一步加强汽车产品创新设计和研发测试验证有关管理工作的通知(征求意见稿)意见。公示期为 2026 年 10 月 10 日至 11 月 10 日,旨在提升安全技术性能并推动产业高质量发展。社会各界需在 11 月 10 日前将反馈发送至 [email protected]。

10月7日周三
9月30日周三
  1. 工业和信息化部 · 文件与征求意见38

    工信部公示《智能网联汽车 供应链网络安全技术要求及试验方法》等 29 项国标立项征求意见

    工业和信息化部于 2026 年 9 月 30 日至 10 月 29 日公开征求《智能网联汽车 供应链网络安全技术要求及试验方法》等 29 项推荐性国家标准计划项目意见。公示期间公众可登录“工业和信息化标准信息服务平台”反馈意见,联系电话为 010-64102958、68205241。

9月22日周二
9月20日周日
  1. OpenCV Blog57

    OpenCV 5 DNN 模块教程:使用新推理引擎运行 YOLO26 与 RF-DETR

    OpenCV 5 推出内置的新推理引擎,支持动态形状与现代 ONNX 特性。本文提供完整的 Python 和 C++ 示例代码,演示如何在同一应用中加载 YOLO26 Nano 进行目标检测和 RF-DETR Seg Nano 进行实例分割。教程涵盖模型导出、预处理(Letterbox/直方图缩放)、ONNX 加载及后处理解码,并包含 CPU 性能对比与验证记录,帮助团队快速集成深度学习推理流程。

9月3日周四
  1. Google DeepMind42

    DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber,强化代码推理与漏洞修复能力

    DeepMind 推出 Gemini 3.8 Flash 及专为可信防御者提供的 3.8 Flash Cyber,后者在内部基准中漏洞发现成功率超 70%,CWE-Bench 补丁 pass@1 达 47.2%。两款模型均基于相同核心智能,通过长周期智能循环迭代优化,在软件工程和关键多步推理领域显著提升性能且成本更低。

9月2日周三
  1. Luxonis DepthAI · Releases28

    DepthAI v3.10.0 发布:新增图像拼接与对齐节点、消息持久化及 ToF 去畸变功能,优化模型加载并修复多项已知问题

    DepthAI v3.10.0 版本发布,新增基于特征匹配的图像拼接节点及通用消息对齐节点,支持 ImgFrame 等八类消息的保存与加载。该版本引入 ToF 去畸变功能、优化 NN 模型加载并将内存占用减半,同时修复了视频编码器参数校验等缺陷。

8月13日周四
8月12日周三
7月21日周二
7月1日周三
6月25日周四
  1. Google DeepMind62

    Gemini 3.5 Flash 原生集成电脑使用能力

    Google DeepMind 宣布 Gemini 3.5 Flash 模型原生集成了电脑使用功能,取代了此前独立的专用模型版本,使开发者能利用该模型构建能在浏览器、移动和桌面环境中感知、推理并执行操作的智能体。材料指出该功能旨在提升长周期和企业级自动化任务(如持续软件测试)的性能,并提供了针对提示注入风险的对抗训练及可选的企业安全防护系统。

    推荐理由:原文宣布 Gemini 3.5 Flash 原生集成电脑使用能力,开发者可借此构建跨平台智能体以执行长周期自动化任务。

6月11日周四
  1. Torc Robotics · 自动驾驶技术与安全28

    CVPR 2026 回顾:Torc 自动驾驶技术与物理多模态 AI 及可部署系统趋势交汇

    CVPR 2026 参会人数超万、论文提交达 16,092 篇且录用率仅 25%,多模态 AI 与自动驾驶研究显著增长。Torc 作为铂金奖牌赞助商,展示了 Freightliner Cascadia 卡车及 VR 演示,并发布了 TruckDrive 长距高速驾驶数据集。该会议标志着从感知中心向具备全 3D 世界理解能力的具身系统转变,Torc 正引领这一技术前沿。

6月4日周四
5月18日周一
5月5日周二
  1. Viser · Releases18

    Viser 发布 v1.0.27:新增场景箭头绘制、命令面板及实验性拖拽回调等 API 更新

    Viser v1.0.27 发布,新增 `SceneApi.add_arrows()` 绘制向量及实验性节点拖拽回调。界面层支持命令面板与表单提交事件,并优化了点云着色与图例显示效果。此次更新修复了 Python 3.8 WebSocket 连接错误及多个闭包 bug,同时标记部分功能为实验性以完善边缘情况处理。

5月4日周一
  1. Luxonis DepthAI · Releases68

    Luxonis DepthAI Core v3.6.1 发布:默认启用自动校准、支持 IMU 及 YOLO26/NeuralDepth 新模型

    Luxonis 发布 DepthAI Core v3.6.1,核心更新包括默认开启 AutoCalibration 并新增 IMU 校准功能,统一传感器输出格式。

    推荐理由:深度相机核心库 v3.6.1 默认开启自动校准并支持 IMU,同时新增 YOLO26 与 NeuralDepth 模型以显著提升推理帧率。

4月13日周一
  1. Google DeepMind82

    Gemini Robotics-ER 1.6 发布:通过增强的具身推理赋能现实世界机器人任务

    DeepMind 正式发布 Gemini Robotics-ER 1.6 模型,该版本在空间推理、多视角理解及仪表读数能力上显著优于前代。新增的仪表读数功能允许机器人自主解读压力计和液位计等复杂工业设备,结合波士顿动力 Spot 机器人的实地需求开发。

    推荐理由:DeepMind 发布 Gemini Robotics-ER 1.6,新增仪表读数能力并强化空间推理与多视角理解,开发者可通过 API 和 Colab 立即试用。

4月7日周二
3月18日周三
3月9日周一
  1. Luxonis DepthAI · Releases38

    DepthAI v3.4.0 发布:新增语义分割、USB 协议及高帧率支持,集成 LuxonisOS 兼容性

    DepthAI v3.4.0 发布,新增语义与实例分割支持,RVC4 设备兼容 USB 协议并实现 IMX586 最高 480 FPS 高帧率。软件栈引入 Gate 节点控制流、XLink 数据包化及外部 FSync 同步,同时升级 Visualizer 至 2.0.10 以支持实时管线可视化。该版本已在 LuxonisOS 1.14.1、1.20.5 和 1.27.1 上完成集成测试。

2月27日周五
2月26日周四
2月13日周五
  1. Google DeepMind60

    Gemini 3 Deep Think 模式升级并开放 API 早期访问

    Google DeepMind 发布 Gemini 3 Deep Think 重大升级版本,该专用推理模式在数学、编程竞赛及国际物理与化学奥赛基准上达到金牌水平,并能将草图转化为可 3D 打印的物理对象。此次更新不仅面向 Google AI Ultra 订阅者开放应用内使用,首次也通过 Gemini API 向研究人员和企业合作伙伴提供早期访问权限。

    推荐理由:Deep Think 模式升级,新增通过 Gemini API 的早期访问权限,支持从草图生成 3D 打印文件及复杂科学推理。

1月21日周三
  1. Viser · Releases3

    OpenVLA v1.0.20 发布:恢复初始相机视场并禁用意外动画

    OpenVLA 模型软件栈版本 v1.0.20 更新,主要变更包括恢复初始相机视场(FOV)以及通过 @brentyi 提交禁用了非预期的动画效果。此次更新旨在修正视觉输入范围并消除不必要的动作干扰,确保机器人控制策略的稳定性。相关代码与变更日志已在 GitHub Releases 渠道公开提供。

1月10日周六
  1. Berkeley BAIR Blog58

    基于信息驱动的成像系统设计:无需解码器的评估与优化方法

    该研究提出一种基于信息论的框架,利用仅含噪声测量的统计特性直接量化成像系统的信息含量,统一了分辨率、噪声等指标。在摄影、射电天文、无透镜成像和显微成像四个领域验证了其预测下游任务性能的能力。提出的 IDEAL 方法通过梯度上升优化编码器参数,无需训练解码器网络即可达到端到端优化的效果,降低了显存需求与计算复杂度。代码已开源。

11月20日周四
  1. Google DeepMind20

    Google DeepMind 在 Gemini App 上线 SynthID 图像验证功能并扩展 C2PA 支持

    Google DeepMind 即日起在 Gemini App 引入 SynthID 数字水印技术,允许用户直接上传图片询问是否由 Google AI 生成或编辑。该技术自 2023 年推出以来已对超 200 亿件内容打标,并正与 C2PA 联盟合作,本周起为 Nano Banana Pro(Gemini 3 Pro Image)生成的图像嵌入 C2PA 元数据以增强透明度。

11月11日周二
  1. Google DeepMind67

    DeepMind:通过三步法让 AI 视觉模型像人一样理解世界

    DeepMind 发布新研究,指出当前视觉模型在组织视觉信息时与人类存在系统性偏差,导致其在“找不同”等认知任务中表现不佳。团队提出一种三步对齐方法:先利用少量人类判断数据微调小型适配器构建教师模型,再基于该教师生成百万级合成数据集,最后用此数据对预训练模型进行全量微调以重构内部表征。

    推荐理由:DeepMind 发布新论文,提出三步法将视觉模型内部表征与人类概念层级对齐,显著提升认知任务表现及鲁棒性。

11月6日周四
  1. Google DeepMind55

    DeepMind 发布森林砍伐风险预测基准与物种分布图,更新生物声学模型 Perch 2.0

    Google DeepMind 发布了用于预测森林砍伐风险的基准数据集,该模型基于纯卫星输入和视觉 Transformer 架构,分辨率达 30 米。同时推出了新的 AI 驱动方法以生成地球物种分布图,并更新了生物声学分类器 Perch 2.0 作为基础模型供生态学家适配使用。

10月13日周一
10月8日周三
9月8日周一
  1. Luxonis DepthAI · Releases72

    Luxonis DepthAI v3.0.0 正式发布:API 简化与 VSLAM/RGBD 新节点上线

    DepthAI v3.0.0 正式从候选版发布,核心 API 已简化统一,移除废弃函数。Camera 节点整合了多平台支持,ImageManip 增加确定性操作追踪。

    推荐理由:DepthAI v3.0.0 正式发布,统一了 API 并新增 RGBD、VSLAM 及动态校准节点,支持 RVC4 设备与主机自定义逻辑。

2月18日周二