跳到正文
10月9日周五
  1. arXiv · 机器人与计算机视觉49

    PEBench:首个面向视频生成提示增强器的统一评测基准

    PEBench 是首个针对文本、图像及参考类视频生成的提示增强器(PE)统一评测基准,包含 1,100 个专家验证案例与 1,005 项视觉资产。该基准涵盖 35 个细粒度任务,提出结合事实提取与 24 项准则的评估框架,证实 PE 级评分能准确反映 Wan3.0 和 MiniMax-H3 等模型下游视频的实际效用。

  2. arXiv · 机器人与计算机视觉42

    Diffusion Meta-Prompting 实现通用基础模型自适应与跨任务泛化

    Diffusion Meta-Prompt (DMP) 框架利用扩散模型学习提示分布,仅需自然语言描述即可合成新提示,无需访问原始任务示例或损失函数。该方法在分类、检索及文生图任务中提升泛化能力,相比提示检索方法降低超 90% 存储与推理成本,复合分类平均增益达 2.0%,特定数据集对最高提升 8.5%。代码已开源并获 NeurIPS 2026 接收。

  3. 盖世汽车 · 汽车资讯62

    我国具身智能产业化提速:70 多家具身智能训练场投用

    据央视新闻,我国具身智能产业正从实验室迈向产业化落地。中关村人工智能企业建成接入人类视频与仿真合成数据的平台,累计交付数据达150万小时。全国已有70多家具身智能训练场建成启用,在建及规划中还有40余家,形成三大核心集群。深圳等地实训数据已投入真机训练,轮臂式人形机器人具备独立完成开关电柜等复杂作业能力。工信部等部门部署专项行动构建产业闭环,推动产品向千行百业渗透。

  4. The Robot Report28

    Jabil 探讨人形机器人量产节奏与供应链挑战

    Jabil 指出人形机器人正从手工组装迈向万级规模量产,需通过优化成本结构提升可制造性与质量。该公司已与 Apptronik 合作将其 Apollo 机器人引入活跃制造环境,并强调 NVIDIA Jetson 系列是边缘计算的关键选择。尽管汽车合作伙伴能提供混合鲁棒性优势,但供应链多元化仍是当前主要挑战,消费者端应用预计需五年左右时间。

10月8日周四
  1. 智东西 · 机器人45

    北京 Physical AI Infra 平台公司厘清智能完成数亿元融资

    北京 Physical AI Infra 平台公司厘清智能宣布完成天使轮及天使 + 轮数亿元融资,蚂蚁集团连续两轮加码并领投。资金将用于物理世界数据管线、模型研发与训练、物理仿真、能力评测及跨本体适配部署系统。该公司已推出 T1 系列数采手套(含 T1 Lite、T1、T1 Pro)和 EgoDepth 设备,致力于构建 Physical AI 时代的智能基础设施。

  2. 盖世汽车 · 汽车资讯48

    灵生科技完成亿元级 A 轮融资,推出具身通用底座 RUDA 架构与 Harness 适配体系

    清华系企业灵生科技近日完成由华方资本等联合投资的亿元级 A 轮融资。公司依托创始人杨洪兵及清华大学自动化系高飞飞教授团队,构建基于 PhiAgent 数据引擎与 RoboAgent 执行智能体的 RUDA 自进化架构。该技术已在光模块插拔、电池装配等高精密工业场景实现稳定落地,覆盖 3C 质检、物料转运等多类任务。

  3. arXiv · 机器人与计算机视觉48

    可时间解释的可微决策树提升序列决策透明度

    针对现有可微决策树在时序规划上的局限,研究引入时间维度并通过动作分块与参数高效重构算法优化策略。实验显示,从蒸馏后的动作分块策略热启动的模型,在四个仿真环境中匹配神经网络策略性能的同时,参数量减少高达 80%。代码已公开于 GitHub,为具身智能的可解释性提供新路径。

  4. arXiv · 机器人与计算机视觉45

    Rubix:无对应点集全局配准几何与仿真到现实应用

    Rubix 模型通过分配几何解决无对应点集的平面全局配准问题,在 MPEG-7 形状对上平均耗时 12ms,速度比旋转网格快 50 倍。该方法将最优匹配数证明为 n(n-1),并通过分支定界扩展至三维旋转与部分匹配任务。研究涵盖计算机视觉、计算几何及机器人学领域,包含完整证明与实验附录。

  5. arXiv · 机器人与计算机视觉42

    MOTIF:超越 3DMM 系数的 POI 深度伪造检测模型

    MOTIF 是一款仅基于真实视频训练的视觉专用深度伪造检测器,无需任何合成数据或特定人物(POI)数据。该模型证明仅形状块系数即可恢复几乎全部检测精度,且能利用被传统方法丢弃的密集表面信息弥补系数特征的不足。在多个数据集及两种质量水平下,MOTIF 在所有基准测试中均优于现有的最先进 POI 深度伪造检测器。

  6. arXiv · 机器人与计算机视觉42

    VCR-Bench:首个视频分类鲁棒性模块化开源基准框架

    VCR-Bench 填补了图像分类后视频分类鲁棒性基准的空白,提供统一协议以解决现有实现分散难复现的问题。该框架集成 30 个模型、14 种攻击与 10 种防御组件,在 Kinetics-400 子集上报告准确率、成功率及运行时等指标。项目已发布文档化安装脚本与可复运行预设,代码与结果可通过指定 URL 获取。

  7. arXiv · 机器人与计算机视觉23

    自动驾驶研究需要社区驱动的数据范式:NeurIPS 2026 位置论文呼吁构建共享基础设施

    尽管全球近 50 个国家已产出超 600 个自动驾驶数据集,但碎片化与基准激励导致多数数据未被充分利用。该 NeurIPS 2026 位置论文指出当前研究范式存在局限,主张建立社区驱动的数据生态以提升发现、复用与评估效率。作者呼吁学界与工业界协作,将分散数据集转化为支持随时随地自主驾驶的共享基础设施。

10月7日周三
  1. Waymo Waypoint31

    Waymo 发布自动驾驶事故管理新框架:借鉴 FEMA 体系构建四阶段演练流程以强化车队应急协同能力

    Waymo 研究人员与事件准备专家联合发布论文,引入首个针对自动驾驶车队的事故管理框架。该方案适配联邦紧急事务管理局(FEMA)的国土安全演习评估计划,为开发者、运营伙伴及应急响应机构提供从规划到评估的统一演练方法。框架涵盖形成性咨询、教育桌面推演、总结性实操及确认性全规模演练四类场景,旨在通过跨组织协作提升应对自然灾害等突发事件的准备度与响应效率。

  2. Vision Systems Design1

    VSD 发布每周机器视觉猜词游戏 OptiLex

    Vision Systems Design 推出名为 OptiLex 的周度猜词挑战,要求玩家猜测与机器视觉、工程及系统集成相关的五字母单词。游戏提供六次尝试机会,通过绿黄灰格反馈提示正确位置或无关字母,并允许玩家在解谜后填写问卷查看同行排名。

  3. arXiv · 机器人与计算机视觉45

    利用历史数据缓解自动驾驶遥操作 QoS 预测中的概念漂移

    针对自动驾驶遥操作依赖移动网络资源且难以时刻保障的问题,该研究提出基于历史数据的预测框架以增强系统韧性。该方法通过引入历史数据融入预测流程,有效缓解了机器学习模型在面对未见数据时因概念漂移导致的性能下降。此外,研究还引入了关键场景检测指标,专门用于评估遥操作任务下的预测表现。

10月6日周二
  1. 量子位45

    陶哲轩呼吁 AI 数学研究慢下来以应对“证明消化不良”危机

    陶哲轩在 SAIR 演讲中批评模型公司无休止加速导致“证明消化不良”,指出 AI 仅能完成解答与形式化验证,却缺失阐释、评审及写入教科书等后续环节。这种知识拥堵将引发数学家创造力丧失与数据污染风险,迫使学界联合菲尔兹奖得主联名抗议并要求放缓发展速度。OpenAI 虽成立顾问小组回应,但声明明确该组不负责数学内部进展建议,无法根本解决加速带来的隐患。

  2. arXiv · 机器人与计算机视觉28

    ContinuityCam 实现基于事件相机的单帧连续彩色视频重建

    ContinuityCam 结合长程运动建模与神经合成模型,仅需初始图像即可从单张 RGB 图及事件流中重建任意时刻的连续视频。该方法在 E2D2 数据集上相比基线 PSNR 提升 3.61 dB、LPIPS 降低 33%,并在两项下游任务表现更优。研究引入了新型分光镜采集装置,有效提升了突发运动与光照变化下的鲁棒性并降低了带宽需求。

  3. arXiv · 机器人与计算机视觉48

    EORestore-Agent:遥感图像复合退化下的可信智能体修复研究

    EORestore-Agent 通过微调视觉语言模型与相对质量评分器,实现无需参考图像的逐步可验证遥感图像修复。在 Landsat-8 合成基准上,该方法将 PSNR 提升 2.3 至 3.2 dB,显著优于全合一基线及零样本智能体。Sentinel-2 实例证明了其在真实大气退化下的迁移能力,且无需重新训练。

  4. Hugging Face Daily Papers42

    Agent Plasticity:通过经验衡量智能体自我改进效率的新方法

    针对现有评估仅关注固定时间点能力而忽视学习效果的局限,研究提出"Agent Plasticity"指标以量化智能体将经验转化为未来泛化性能的效率。实验显示前沿模型在相同学习机会下呈现截然不同的改进轨迹,部分实现持久增益而其他则停滞不前,且训练域内的收益往往无法完全迁移至分布外条件。该工作揭示了自我改进过程中的关键瓶颈,强调评估需同时考量最终能力与通过经验变强的有效性。

10月5日周一
  1. arXiv · 机器人与计算机视觉42

    VTBench:评估自回归图像生成中视觉分词器的基准

    VTBench 基准系统评估了图像重建、细节保留和文本保留三项核心任务,揭示连续变分自编码器在空间结构与语义细节上优于离散视觉分词器。该研究基于 GPT-4o 图像生成实验探讨其自回归特性,并公开代码与数据集以推动通用开源视觉分词器发展。论文已接受 AACL-IJCNLP 2026 主会收录。

  2. arXiv · 机器人与计算机视觉48

    Moving Forward with Video Saliency:SalTempto 数据集与基准评测发布

    SalTempto 是一个包含 224 个高动态片段、源自 HACS-Segments 且配有最多 16 名受试者注视记录的视频显著性新基准。在该基准上,微调后的时序架构相比静态基线性能显著提升,但最强模型仍无法解释近半数头部空间增益。该工作表明现有视频显著性模型在捕捉动态信息方面仍有改进空间,并揭示了人类视觉倾向中模型缺失的部分。

  3. arXiv · 机器人与计算机视觉42

    Confidence-Controlled XAI Auditing for Pedestrian Detection under Domain Shift

    该研究审计了固定 YOLOv8s 行人检测器在 PIE 和 JAAD 数据集上的域偏移解释性,发现基于删除的忠实度与检测强度强耦合。控制检测强度后,D-RISE 忠实度仍依赖领域(PIE 高于 JAAD),且非扰动式 EigenCAM 基线也存在类似分数耦合现象。结果证实了置信度控制的 XAI 审计对安全关键感知的重要性,论文已获准参加 ICVES 2026。

  4. Hugging Face Daily Papers72

    HERA:利用环境与 harness 的协同进化实现可靠的智能体拒答

    HERA 是一个针对智能体拒答问题的框架,通过自动构建可行与不可行任务对以及基于性能失败的协同进化流程,将智能体在保留任务上的完成率和拒答准确率分别提升至 76.7% 和 83.3%,并在 19 种其他大语言模型上实现了平均提升 15.3 个百分点的通用性。

10月3日周六
  1. IEEE Spectrum · Robotics78

    IEEE Spectrum 机器人视频周五:仿生飞行、灵巧手与飞虫神经控制的最新演示

    IEEE Spectrum Robotics 发布本周精选视频合集,涵盖新加坡科技设计大学开发的 ALBATROSS 混合空海机器人(利用机翼实现自旋降落与风帆航行)。

    推荐理由:视频合集展示了从仿生飞行到灵巧手、飞虫神经控制及灾难救援的多项前沿演示,为团队提供跨领域灵感与工程参考。

10月2日周五
  1. The Robot Report15

    The Robot Report 开启 2026 机器人初创雷达投稿征集

    The Robot Report 面向五年以内的机器人初创企业开放 2026 年度“机器人初创雷达”投稿,截止时间为 10 月 6 日。该榜单旨在展示新颖的全系统、使能技术或商业方案,覆盖自动驾驶、人形设计及工业自动化等领域。入选名单将由编辑团队审核,并有助于初创公司接触高知名度投资者与资深工程师。

  2. 量子位70

    丘成桐新论文致谢 GPT 和 Claude:从排斥到接纳的转折

    丘成桐参与的关于七维空间球面曲率的新论文在致谢中感谢了 ChatGPT 6 Astra 和 Claude Pro 辅助探索证明思路与计算,解决了悬置 70 年的经典猜想。材料回顾了丘成桐近三年对 AI 态度从“无影响”到“改变效率”的转变,并引用陶哲轩等菲尔兹奖得主关于数学研究核心在于概念理解的警告,探讨 AI 在基础科学中的边界与价值。

10月1日周四
  1. The Robot Report42

    VicOne LAB R7 揭示恶意输入如何绕过机器人安全机制并影响合规测试

    VicOne LAB R7 通过实验证明,即便机器人遵循既定规则,被篡改的视觉、文本或音频输入仍会导致其做出错误动作。研究利用 Gemma 4 E4B 和 Nemotron 模型展示了海报文字与不可听音频如何误导机器狗与服务机器人,并指出 ROS 2/DDS 消息注入可触发意外移动。

9月30日周三
  1. Torc Robotics · 自动驾驶技术与安全46

    Torc 成立 DL+S 部门以整合数据与仿真加速自动驾驶卡车研发

    Torc 成立 DataLoop and Simulation (DL+S) 部门,旨在统一组织内从数据摄入、处理到模型验证及部署的完整开发周期。该部门利用 Ray 等工具标准化工作流,管理每小时约 9TB 的卡车运营数据并构建闭环实验循环以加速 AI 模型迭代。通过整合仿真生成合成数据与强化学习,DL+S 确保在海量多模态数据处理下实现高效计算与可审计的安全部署。

  2. The Robot Report18

    Arrowfly 推出 AI for Engineers 平台,整合新闻、会议与研究以助工程师应对 AI 转型

    Arrowfly 发布 AI for Engineers 平台,依托其旗下超 20 个工程品牌触达的 210 万验证读者及每月 2 亿次浏览量,构建新闻组、年度大会、原创研究与顾问委员会四大支柱。该平台旨在帮助研发、机器人等领域的工程师将 AI 从实验转化为可重复落地的应用,并计划于 2027 年 9 月在拉斯维加斯举办旗舰会议。