跳到正文
10月28日周三
  1. Hugging Face Daily Papers42

    GPT-6-Astra 在 LongChang 框架下发现隐藏物理定律

    GPT-6-Astra 在 LongChang 自动化探索框架中,于无提示的模拟世界实验里以 16.7% 的发现率率先识别出异常物理规律。其余 11 个测试大语言模型得分均为 0%,且记录显示存在未调查的异常与部分定律识别不全现象。该研究通过多智能体自主循环验证了 LLM 在科学发现中的潜力,相关代码与论文已公开。

  2. arXiv · 机器人与计算机视觉68

    基于时空高斯过程卡尔曼滤波的多机器人学习型信息路径规划方法

    该论文针对持久目标监控场景下的多机器人信息路径规划问题,提出了一种基于网格的时空高斯过程卡尔曼滤波框架。该方法将匿名目标存在表示为离散工作空间上的单一隐式场,而非每个目标单独建模;通过递归更新融合足印级相机测量值,支持任意视场和范围相关噪声,并利用高斯过程导出的时间进程更新以处理移动目标的不确定性增长。

  3. arXiv · 机器人与计算机视觉78

    固定世界模型下的干预共形不确定性校准方法

    该研究解决部署策略变更使世界模型不确定性失效的问题,在保持物理转移机制和预测器不变的前提下,通过估计状态占据与动作倾向比率实现加权共形校准。实验基于开源 DINO 特征世界模型与 Franka 机械臂轨迹,在强控状态下行动态覆盖率从普通方法的 55.0% 提升至 91.0%,且学习到的代理分布与目标律的总变差距离小于 0.9%。

    推荐理由:针对部署策略变更导致的世界模型不确定性失效问题,提出基于加权共形校准的方法以适配目标分布。

  4. arXiv · 机器人与计算机视觉83

    通过可微分仿真学习四旋翼穿越动态窄缝的视运动控制

    本文介绍了一种针对四旋翼穿越移动窄缝任务的端到端视觉控制策略,该策略直接基于机载视觉和惯性测量输出推力与姿态指令。研究提出可微分移动间隙公式,将稀疏的穿越事件转化为密集的路径目标,无需教师、规划器或蒸馏即可从随机初始化训练。

    推荐理由:提出可微分移动间隙公式,实现无需教师或规划的端到端视觉控制策略,在仿真与真实四旋翼上均验证了从随机初始化直接学习动态窄缝穿越的能力。

  5. arXiv · 机器人与计算机视觉68

    基于强化学习的固定翼自主拦截系统研究

    该研究提出了一种由神经网络控制的固定翼拦截无人机系统,该网络直接将单目视觉观测映射为执行器指令。策略通过自定义 Python 环境中的强化学习和近端策略优化进行训练,并在仿真中与经典引导控制器进行了对比测试。最终该系统在真实飞行场景中成功拦截了机动目标,验证了人工智能在自主控制固定翼拦截无人机方面的潜力。

  6. arXiv · 机器人与计算机视觉68

    ImagiRep:重新思考视觉想象以支持空间推理的表征研究

    论文指出 RGB 并非空间推理的最佳默认接口,引入 ImagiRep 基准在仿真环境中对比了包括深度、全景和俯视几何在内的七种表征形式对未观测状态的空间推理效果。研究发现仅生成准确的 imagined RGB 并不保证推理准确,而 GEARS 策略通过自适应选择表征能提升性能,表明处理未见状态需要超越单纯的 RGB 视图生成。

  7. arXiv · 机器人与计算机视觉65

    AuRaSim:一种面向动态场景的汽车 FMCW 雷达射线追踪仿真框架

    针对汽车雷达仿真成熟度不足的问题,该研究提出了基于光线追踪的 FMCW 雷达仿真框架 AuRaSim。该框架利用 Blender 构建动态场景并集成 Sionna RT 进行 GPU 加速的电磁波射线追踪,同时引入了路径分辨传播、运动感知多普勒建模及相干 ADC 立方体合成等雷达专用适配。

  8. arXiv · 机器人与计算机视觉65

    Learning Quality-Controllable Robot Policies with Iterative Hindsight Relabeling

    针对机器人策略评估仅依赖二元成功信号的问题,研究团队提出 QCP 方法,支持在推理阶段动态控制执行速度、运动平滑度等质量属性及其组合。该方法通过迭代回顾重标循环收集在线轨迹并微调策略,实验显示其在 Robomimic 和 RoboEval 上持续提升任务质量与成功率,并在真实搬运酒杯等操作中验证了实用增益。

  9. arXiv · 机器人与计算机视觉59

    KEPT:用于受限空间导航的保形保留排除规划(感知退化)

    该论文针对隧道和矿井等受限空间中烟雾、粉尘导致雷达测距图不准的问题,提出 KEPT 方法。该方法利用无标签严重度估计对保形预测产生的禁区(keepout)进行条件化约束,在规划和控制层强制执行制动距离条件,仅以测量到的跟踪残差作为余量且不修改禁区边界。系统在基于地面机器人烟雾录像的验证和雾中隧道四旋翼飞行闭环仿真中表现优于标准部署模式,减少了进入校准禁区的次数并达到了更多数值目标。

  10. arXiv · 机器人与计算机视觉68

    GraftRay:基于路径追踪将物理基础网格插入高斯泼溅场景

    论文提出 GraftRay 方法,解决将虚拟网格物体无缝插入 2D 或 3D 高斯泼溅重建场景的问题。该方法利用扩散先验恢复场景材质与法线,显式建模空间扩展光源并求解其辐射度,通过混合渲染器联合路径追踪场景高斯与插入网格,生成视图一致的着色、互反射和软阴影。在 FIPT 基准上,GraftRay 在渲染保真度和阴影准确性方面优于 ComGS 和 EAG-PT 等基线,同时保持具有竞争力的渲染效率。

  11. arXiv · 机器人与计算机视觉35

    黑盒机器人策略失效时的在线传感器诊断与修复研究

    针对冻结或不可访问的机器人基础模型策略,该方法通过结构化代理分离步态周期以指导输入修复。在仿真 Go2 平台上,离线诊断将行走成功率从 259/640 提升至 429/640,在线修复达 382/640 且未触发故障集外的误报。研究结果目前仅基于单一策略和部分筛选的仿真故障集,硬件验证与通用性仍待开放。

  12. arXiv · 机器人与计算机视觉58

    构建可审计的自驱动实验室:混合动作、测量与安全执行的统一框架

    论文提出一种可审计的自驱动实验室(SDL)统一框架,包含四个核心组件:LAM 用于生成连续机器人轨迹和仪器 API 调用;OpenSDL 作为执行底层映射异构设备并记录因果事件;Safe-SDL 运行时门控结合预调度检查与信号时序逻辑监控;L3-Bench 定义涵盖物理结果、安全性及故障恢复的评估协议。该框架旨在解决 SDL 工作流中的协调性与可追溯性挑战,目前为 arXiv 预印本状态。

  13. arXiv · 机器人与计算机视觉35

    On Shaky Ground:非刚性底盘效应对移动操作的影响研究

    该论文通过砂光案例研究,结合仿真与两台轻量级无驱动轮式测试床实验,揭示了持续接触下非刚性底盘行为对任务执行的影响。在低底盘 - 地面阻力条件下,仅能实现 100 N 指令力的 54%-70%,工具中心点误差高达 100 mm;增加阻力可改善力实现并抑制位移,但底盘振动与力跟踪误差无一致关联。研究强调了联合考察力、运动与振动以表征轻量级移动操作的重要性。

  14. arXiv · 机器人与计算机视觉42

    SWIM:通过逆动力学模型学习关键状态权重以提升 JEPA 世界模型的规划成功率

    SWIM 提出一种利用逆动力学模型从离线轨迹中学习状态权重的方法,解决联合嵌入预测架构(JEPA)中视觉目标未显式融合任务相关状态信息的问题。该方法在五个机器人操作仿真任务中,相比均匀加权基线一致提升了基于图像的规划成功率,且无需额外推理计算。论文为预印本,代码与权重暂未开放。

  15. arXiv · 机器人与计算机视觉46

    A Singularity Avoiding Track Model for Race Car Optimization 发布:最小化曲率的 MCL 参数化实现全赛道法向量单射,导出周期性五次 B 样条曲面以支持高保真 Modelica 赛车优化

    该研究提出一种将实测赛道点云转化为闭合、$C^4$可微三维表面模型的拟合流程。通过最小化积分曲率并约束边界与周期性的二次规划获取 MCL,有效避免紧弯处法向量交叉导致的参数化失效。最终曲面以用户可选高度的多项式描述截面高程,并以周期性分段五次 $C^4$ B 样条形式导出,适用于高保真 Modelica 赛车优化任务。

  16. 上海人工智能实验室 · 科研动态68

    上海人工智能实验室推出 MatVerse 材料多模态大模型

    上海人工智能实验室联合苏州国家实验室等推出“材华·MatVerse”材料多模态大模型及智能体应用体系。该模型采用独立编码器加统一解码器架构,将 XRD 谱图、电镜图像和分子结构等多源异构数据映射至同一语义空间,实现从知识记忆到逻辑推理的能力跃迁。

    推荐理由:MatVerse 材料多模态大模型上线,支持 XRD 谱图与分子结构理解及机理推理,并开放评测基准。

10月27日周二
  1. 上海人工智能实验室 · 科研动态75

    上海AI实验室推出通专融合智能体书生-A1.5

    上海AI实验室推出通专融合智能体书生-A1.5(Sage-A1.5),在神经科学与电化学等真实场景中验证递归自我改进技术路径。该模型具备智能体编排与校验能力,可自主拆解任务、调度子智能体并行调研并修正推理偏差。35B参数版本在多项专业评测基准中表现优异,支持昇腾NPU及多种GPU架构,面向科研团队开放试用。

    推荐理由:上海AI实验室推出通专融合智能体书生-A1.5,验证真实科学场景驱动基模自进化路径。

  2. 上海人工智能实验室 · 科研动态37

    上海 AI 实验室发布“国智揭榜”黑客松及书生·端砚科教共创计划,推动产学研协同创新落地

    10 月 23 日,上海 AI 实验室联合壁仞科技举办交流会并发布多项合作计划。实验室启动“国智揭榜”首期数智求解黑客松与“书生·端砚”科教共创计划,依托书生-S2 大模型验证前沿数学能力并开发通识课程。此外,联合华东师范大学、壁仞科技及上海仪电构建共享算力池,打通科研出题、算力支持与产业验证的完整协同路线。

  3. arXiv · 机器人与计算机视觉72

    JRDB-AVR:面向真实环境的具身智能体主动视觉推理基准

    本文介绍 JRDB-AVR 基准和参考方法 JRDB-AVR-Agent,旨在解决当前视觉推理评测忽视主动证据获取的问题。该基准基于真实世界 JRDB 机器人数据构建,要求智能体接收问题后主动请求特定时间戳和视角的观测,并评估最终答案与支撑证据的一致性。实验显示现有基线存在答案准确但缺乏依据的现象,表明需要引入主动感知评估。代码与基准已开源。

  4. arXiv · 机器人与计算机视觉72

    可微模拟器是否给出更好的策略梯度?:DDCG 与 IVW-H 方法研究

    针对可微模拟器中不连续动力学导致的偏差问题,本文提出 DDCG 轻量级测试以在 nonsmooth 区域切换估计器,并引入 IVW-H 每步逆方差实现来稳定方差。实验表明,尽管切换估计器能提升鲁棒性,但在实际部署中细致的方差控制往往起主导作用。

  5. arXiv · 机器人与计算机视觉72

    DGT-Map:利用多任务学习的异质车辆方向性全球通行度建图

    该论文提出 DGT-Map 方法,通过自监督框架从 RGB-D 观测和运动信号中学习全局、方向及车辆条件化的通行代价图。共享多任务骨干网络提取跨车辆的通用地形特征,而特定预测头保留平台依赖响应。在仿真环境中集成 Hybrid A* 导航栈评估显示,该方法在处理下坡可通行但上坡不可通行的斜坡、以及部分车辆可越过的山脊障碍等挑战地形时,相比几何、二值及无方向感知基线实现了最高或并列最高的导航成功率。

  6. arXiv · 机器人与计算机视觉82

    Crazyflow:一款准确、GPU 加速且可微分的无人机仿真器开源发布

    Crazyflow 是一款旨在推动空中机器人算法开发的统一仿真平台,结合高保真动力学与 JAX 框架实现高速与可微分性,支持百万级环境并行及数千架无人机集群。实验表明其支持无需域随机化的分析梯度策略学习与采样避障,并实现了飞行中强化学习:将物理无人机抛起后仅用 0.37 秒即可训练出恢复策略并将其接住。该工具作为开源资源,为合成数据生成及在线优化提供了新能力。

    推荐理由:Crazyflow 提供 GPU 加速的可微分无人机仿真器,支持百万级环境并行与飞行中强化学习,为空中机器人算法开发提供新资源。

  7. arXiv · 机器人与计算机视觉82

    面向鲜活世界的创作:基于工具约束的 LLM Agent 用于可执行的多角色场景

    论文提出利用工具约束的 LLM Agent(Director 和 Scene Builder)在仿真引擎中构建可执行的多角色时空事件图,解决了标准流水线无法追踪动态世界状态的问题。实验显示,该框架生成的规范执行率为 80%,且能准确重构原始场景的事件、参与者及顺序,相关成果已获 ECCVW 2026 录用。

    推荐理由:提出工具约束的 LLM Agent 框架,将多角色场景构建为可执行的时空事件图,解决了标准流水线无法追踪动态状态的问题。

  8. arXiv · 机器人与计算机视觉15

    物理信息感知数字孪生实现奶牛核心体温精准预测

    该研究提出结合 ODE 热调节模型与行为马尔可夫链的数字孪生框架,利用 MmCows 数据集在奶牛核心体温两小时超前预测中取得 R2 0.783、F1 84.25% 及 PICP 92.38% 的性能。三阶段堆叠集成架构融合多模态特征与不确定性量化,显著优于消融实验基线,为精准畜牧养殖提供鲁棒的早期热应激检测方案。

  9. arXiv · 机器人与计算机视觉72

    IndustryNav:评估具身智能体在动态工业导航中的空间推理与安全能力

    作者引入 IndustryNav 仿真环境,包含 24 个仓库场景以支持闭环导航至指定目的地。研究引入了感知碰撞和近撞警告的安全指标,实验表明现有视觉大语言模型虽能到达目标但会与移动障碍物发生碰撞。此外,策略在熟悉路线上有效却无法泛化到未见过的新布局,凸显跨场景泛化仍是开放挑战。

  10. arXiv · 机器人与计算机视觉82

    为规划而适配:乐观的测试时世界模型适配方法

    论文提出了Optimistic Test-Time Adaptation (OpTTA) 方法,旨在解决潜伏世界模型在测试时冻结导致分布偏移下规划性能下降的问题。

    推荐理由:提出OpTTA方法,通过引入规划目标项优化测试时适应策略,在多项任务中将最终规划成功率平均提升13.5个百分点。

  11. arXiv · 机器人与计算机视觉72

    WorldPager:单张消费级显卡上实现无卡顿的长视界世界模型分层内存管理

    论文针对单卡交互世界模型受限于显存容量与带宽的问题,提出 WorldPager 方法。该方法基于相机位姿已知的前提,将 KV 缓存存储于 GPU/DRAM/NVMe 层级而非重复计算,并通过预取机制避免等待。实验显示,在 RTX 4090 上可实现约 37.5 分钟的连续视频生成且主机内存恒定,int4 量化下未见质量损失。

  12. arXiv · 机器人与计算机视觉65

    NeSySpec:基于神经符号技术的工程规范审计框架及其在飞机领域的应用

    NeSySpec 是一个集成且可解释的神经符号审计框架,旨在帮助工程师审查工程系统的声明规范,识别其遵循或违反的物理约束、发现被篡改字段并提出最小修正方案。该框架基于逻辑张量网络构建,利用从真实记录中学习的容差将领域物理关系编码为可微分级谓词。