HexVIO:面向全天候的商用 DSP 立体惯性跟踪
HexVIO 是一种利用现代智能手机和 XR 设备中常见的 Hexagon DSP 协处理器来增强视觉里程计效率的系统。该系统将立体惯性里程计的视觉前端卸载到 DSP,后端保留在主 CPU 上运行。
HexVIO 是一种利用现代智能手机和 XR 设备中常见的 Hexagon DSP 协处理器来增强视觉里程计效率的系统。该系统将立体惯性里程计的视觉前端卸载到 DSP,后端保留在主 CPU 上运行。
Physical AI Smart Spaces 是首个同时提供大规模、多类别和多相机室内智能空间 3D 感知数据的基准。数据集包含超过 280 小时同步 1080p 视频,由近 1800 个摄像头在仓库、医院和零售场所等场景采集,并附带自动标注的多相机身份、2D/3D 边界框、相机标定及深度信息。
推荐理由:该基准提供室内多相机同步数据与自动标注,并扩展 HOTA 指标至三维空间,支持仿真到现实的评估流程。
OpenRUA 是一个零抽象层的工具,让通用编码智能体仅通过终端访问机器人原生软件接口 ROS 2 即可执行任务,无需定制封装或特定训练。在配备 Claude Code(Claude Opus 5)的实验中,该框架在 CaP-Bench 上达到 99.0% 的成功率,在 LIBERO-PRO 上达到 87.0%。
推荐理由:OpenRUA 通过极简终端访问 ROS 2,证明通用编码智能体无需定制接口即可实现零样本视觉运动策略。
MoRoOp 数据集记录了实验室环境下连续九个八小时班次中,AMR 执行随机生成的套件补给、空箱 refill 及充电任务的完整操作日志。该数据涵盖 1,382 项任务、4,815 次操作动作、19,352 个调度事件及 140,386 条含位置、朝向、速度、轮组电量与诊断信息的机器人状态观测,并保留了延迟、受阻导航等无效样本。
DeepSeek 发布 DSec 技术报告,其弹性计算团队正大量招募资深工程师以支撑该基础设施的扩展。DSec 已部署于生产环境,管理约 160 台服务器、3 万个 CPU 核心及 250TB 内存,高峰期同时在线沙盒超 38 万且每秒创建量达 5000+。
2026 年 9 月机器人行业迎来密集动态,包括 Arduino 推出基于高通 Dragonwing IQ8 系列的 VENTUNO Q 开发板、波士顿动力在 Hyundai Metaplant America 开设 RMAC 训练中心以及 Agility 发布具备新腿部与电池升级的 Digit 5。
NVIDIA 开源了基于代码智能体设计的 TensorRT Model Connect,该集合提供 C++ 实现的 AI 模型参考方案。项目通过并行工作、模型族隔离及 GPU 验证等机制构建,旨在让 NVIDIA 推理栈性能更易获取。
斯坦福大学与加州理工学院研究人员构建了名为 HomeBody 的系统,将 OpenAI 的 GPT-6 Astra 模型直接接入 Unitree G1 人形机器人,使其能在陌生厨房环境中自主导航、整理物品并从抽屉取物。
ITESO 团队联合 IEEE Guadalajara Section 开发 RoboMeshA,通过 EPICS in IEEE 项目构建含四台机器人的移动学习网络。该平台无需预装软件即可经浏览器直接控制,支持机械、嵌入式及计算机视觉等学科教学。目前已与 CETI Colomos 和 Prepa ITESO 两所高中合作验证,并计划在墨西哥及国际范围内推广。
Google DeepMind 推出 Private AI Compute 架构升级,通过云端安全飞地临时解密数据并立即重加密,在保障端侧隐私标准下提供跨设备持久化记忆。该方案结合硬件强制的安全飞地与设备衍生的加密密钥,解决了前沿模型需云算力而用户要求数据不离端的长期困境。团队同步发布防篡改公开记录及独立审计报告,邀请社区验证其安全保护机制与系统架构。
SWE-Serve 评估推理服务软件变更时,发现 AI 编码代理生成的补丁虽能通过本地测试,但在服务器加载真实模型处理请求时仍可能失败。该工具基于 SGLang 团队输入,利用源自 53 个任务的基准暴露了完整服务路径中的缺陷,强调仅验证代码逻辑不足以确保生产环境正确性。
NVIDIA 在多伦多 ROSCon 会议上正式发布 Isaac ROS 5.0,这是一个基于 ROS 的 GPU 加速开源机器人开发框架。
推荐理由:NVIDIA Isaac ROS 5.0 发布支持 AI Agent 的机器人开发工具链,提供感知、操作与仿真闭环能力。
NVIDIA Isaac ROS 通过引入 AI Agent 和上游抽象层,利用 CUDA 后端优化消息传输,避免感知与 AI 负载在 CPU 内存中序列化或复制。该方案旨在解决仅靠快速 CUDA 内核无法保证高效 ROS 2 图的问题,确保 GPU 加速收益不被节点间通信损耗侵蚀。
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。
NVIDIA 展示利用 Agentic AI 工作流检查 Blender 三维场景、在 OpenUSD 中生成仿真数据并添加物理属性,最终输出符合 SimReady 要求的数字孪生。该流程实现了从原始场景到仿真就绪交付物的自动化验证,支持物理 AI 系统的开发管线。
NVIDIA Isaac Lab 3.0 Early Access 正式发布,确立了下一代机器人学习的架构基础,提供跨物理引擎(Newton、PhysX)、渲染器及可视化后端的统一任务 API。
推荐理由:NVIDIA Isaac Lab 3.0 Early Access 发布,提供跨物理引擎与渲染器的统一任务 API、零依赖执行及 Warp 原生数据路径。
上海人工智能实验室在2026浦江创新论坛期间正式发布书生科学多模态大模型S2和书生物理世界模型W0,全面开放书生·端砚科学发现平台全栈服务及本地客户端。书生-S2在长程科研与数学推理基准上表现优异;W0通过原生力触与双工协同支持机器人连续完成精密操作,已接入平台支撑干湿实验闭环。
推荐理由:上海AI实验室正式发布书生科学多模态大模型S2与书生物理世界模型W0,并开放端砚平台全栈服务及本地客户端。
NVIDIA FLARE 解决联邦学习项目从单机扩展到共享基础设施时的资源调度难题,支持在 Docker、Kubernetes 和 Slurm 环境中动态分配 GPU。该方案确保多研究任务隔离,同时让各参与组织保留对本地数据与模型的控制权,适用于跨机构协作场景。
Viser v1.1.1 更新修复了重构遗留的文档引用,新增对 Trimesh 5 和 Python 3.14 的支持。此次发布将客户端构建体积从 2.8M 缩减至 814K,并升级 three.js 至 r186 以改善场景标签渲染。更新还优化了按需渲染机制及缓存策略以提升性能。
在2026浦江创新论坛上,上海人工智能实验室升级发布书生·端砚科学发现平台并全面开放全栈服务。该平台接入最新推出的书生科学多模态大模型S2和书生物理世界模型W0,旨在推动AI科研从单任务执行走向可持续、可核验、可复现的完整过程。
推荐理由:上海AI实验室升级发布书生·端砚平台,接入S2多模态大模型与W0物理世界模型,打通从假设提出到真实实验验证的闭环。
Drake v1.57.0 新增多体植物与场景图对虚拟传送带的仿真支持,并在 meshcat 中实现基于点击拖拽施加虚拟力的功能。该版本为最后支持 macOS Sequoia (15) 的发布,计划于 2026-12-01 将 Python 绑定从 pybind11 迁移至 nanobind。
NVIDIA CUDA Toolkit 13.4 发布,首次将 Windows on Arm 平台纳入支持范围,此前该架构仅通过 Linux 运行 CUDA 应用。此次更新还提升了对共享 GPU 资源的控制能力,帮助开发者在更广泛的硬件生态中充分利用 NVIDIA GPU 性能与软件栈功能。
Google DeepMind 于 2026 年 9 月 8 日发布 MuJoCo 引擎版本 3.13.0。该版本引入新的离散积分器(integrator="discrete"),将约束求解与隐式速度更新合并,使被动弹簧和致动器增益在远超显式稳定性极限的时间步长下保持稳定,并修复了旧版隐式弹性模型需迁移至新积分器的 API 变更。
2026 年 9 月,NVIDIA 宣布将深入原生 GPU Rust 编程,计划到 2027 年及以后成熟 CUDA Rust。CUDA C++ 和 CUDA Python 已是成熟的商业级工具链,而 AI 系统层正随模型与技术的演变持续变化。
Genesis World v1.4.0 新增将场景与完整轨迹导出为可跨机器加载的独立归档能力,确保通过 `gs replay` 实现位精确回放。此次更新还允许在连杆任意局部点施加外部力矩、保存内存构建场景及记录无资产依赖的轨迹文件。此外,修复了包括 URDF 解析、FEM 顶点约束及 GPU 休眠在内的多项次要漏洞与资产处理问题。
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。
英伟达推出 TensorRT Model Connect,通过两行命令即可将开源模型从检查点直接部署为原生 C++ 推理服务。该参考实现集合消除了模型特定的转换、预处理及运行时代码需求,支持在 NVIDIA TensorRT 上运行兼容模型。此举显著降低了将快速演进的开源 AI 模型集成至原生应用的工程门槛与开发成本。
NVIDIA Technical Blog 发布指南,详述如何利用 AI Agents 训练支持连续定位、环境解读及避障的跨具身机器人导航策略。该方法旨在解决将感知与运动能力迁移至新机器人与场景时所需的新数据及仿真资产挑战,为构建通用自主导航提供技术路径。
NVIDIA Holoscan 是构建从医学影像到机器人等边缘端实时 AI 应用的平台,其配套仓库 HoloHub 收录了参考应用与组件。团队探索通用编码代理如何利用现有示例、文档及开发工具辅助工程师工作。
针对视觉语言模型(VLM)适配数据分散于各机构无法集中的问题,NVIDIA 提出利用联邦学习协调跨站点训练。该方案旨在解决原始记录难以汇聚的挑战,支持在保持数据本地化的前提下构建多模态 AI 工作流。
Viser 工具包 v1.1.0 发布,主要变更包括改进的面板重绘与停靠机制、新增 gui.add_panel() 创建浮动面板及 client.local_storage 读写浏览器存储。此次更新还修复了 GPU 缓冲区泄漏、场景序列化效率及相机轨道控制距离限制等性能问题,并支持动态高斯属性替换。
Drake v1.56.0 提供 drake/version.h 头文件并启动将 Python 绑定从 pybind11 迁移至 nanobind的进程。此次更新移除了对 Docker 镜像及 drake-apt 站点的支持,同时弃用了 Eigen 旧版自动微分功能改用自研实现。用户需关注相关 issue 以获取 beta 版本测试指南及构建系统依赖升级说明。
OpenCV 联合亚马逊云科技(AWS)于 2026 年 8 月 13 日启动全球 AI 竞赛,旨在利用图像或视频分析解决医疗诊断、工业检测及自动驾驶等领域的实际问题。
NVIDIA Nemotron 3.5 Lightning 是一款开源的 30B MoE 模型,拥有 3B 活跃参数,专为长运行 AI 智能体的高频工具调用与结果验证等执行层设计。该模型旨在解决在每一步执行都使用前沿推理模型所带来的高成本与延迟问题,通过轻量化架构提升持续运行智能体的效率。
Meta 推出开源稠密模型 Muse Glimmer,该 30B 参数模型拥有超 12 万上下文窗口,专为本地 AI 智能体工作流设计。其在单张 GPU 上可实现每秒处理 2 万个 token 的推理速度,支持在 NVIDIA 边缘、桌面及工作站平台运行,使智能体能持续在线地本地处理数据并执行复杂任务。
LeRobot 软件栈 v0.6.1 发布,将 lerobot.types 模块重命名为 lerobot.lerobot_types。此次更新重构了 pi0、pi05、eo1、xvla 等策略以复用共享 VLA 组件,并将 Qwen2.5-VL 与 Florence2 改为原生 Transformers 子类化。同时优化了文档构建速度并更新了 GR00T 1.7 相关检查点。
NVIDIA 推出 ModelExpress 技术,旨在以光速速度分发日益庞大的模型工件。该技术针对数百 GB 至 TB 级的检查点文件,优化了集群内冷启动、自动扩缩及 RL 后训练等场景下的权重移动效率。此举显著降低了因频繁搬运大体积模型权重而产生的高昂存储与传输成本。
NVIDIA OptiX Toolkit(OTK)提供针对 GPU 光线追踪应用的调试设施,可诊断无效 API 参数、黑屏及并发线程下的隐藏错误。该工具作为 GitHub 开源仓库,旨在帮助开发者解决难以定位的底层 Bug 以提升性能。
NVIDIA 发布 Isaac for Healthcare 中的开源 GPU 加速医疗物理仿真框架,旨在解决医疗机器人训练数据稀缺瓶颈。该框架结合经典物理与 NVIDIA Cosmos-H Dreams 生成式 AI 物理模拟能力,支持解剖结构、柔性器械(如导管)及传感器输入的并行仿真,可将机器人训练环境从数千个并行运行并大幅缩短训练时间。
推荐理由:NVIDIA Isaac for Healthcare 新增开源 GPU 加速医疗物理仿真框架,支持解剖与器械交互建模及生成式 AI 物理模拟。
Pollen Robotics 发布了 Grabette,这是一个低成本、开放的手持设备,用户无需机器人即可通过手持装置录制操作演示并自动转换为机器人可用的数据集。