2026 年 10 月 13 日 · 星期二物理AI · 每日要闻每天 08:00 出刊
看懂日报 · 2026 年 10 月 13 日 · 星期二
kandong
第 8 期132026 年 10 月星期二
十月本月 24 期
一二三四五六日
3件大事2个来源0件一手发布约 2 分钟读完
头条
VLMs are Native Action Models:通过显式动作空间定位释放 VLM 的操作能力
论文介绍 EASG(Explicit Action-Space Grounding)框架,旨在解决将预训练视觉语言模型转化为通用机器人策略的挑战。该方法通过将工具中心点(TCP)坐标系投影到手腕相机观测中,并将连续机器人动作表达为 VLM 原生文本生成接口,使 VLM 能直接利用其现有的视觉 - 空间推理能力生成可执行的动作,无需机器人动作预训练或额外动作模块。
智能驾驶
盖盖世汽车 · 汽车资讯
图达通宣布2026年第三季度激光雷达出货约26.89万台
盖世汽车获悉,图达通于10月12日宣布2026年第三季度激光雷达产品总出货量约26.89万台,同比增长约217%。前三季度累计出货量约91.98万台,已超过2025年全年出货量的2倍。
具身智能
世界动作模型需要何种视觉表征?R^2-WAM 实现具身智能新 SOTA
世界动作模型(WAMs)继承了预训练视频生成模型的先验,但其变分自编码器(VAE)的视觉表征是为重建优化的而非操作。本文系统对比了多种视觉表征、五种融合机制及特征组合,发现强通用视觉表征能提供更广鲁棒性;通道级联合预测取得最高平均成功率;额外信息源需根据任务相关性选择。
快讯
- Forward Dynamics Models:一种耦合动作与未来世界状态预测的机器人动作模型家族arXiv · 机器人与计算机视觉
- Human2Dex:基于手腕的灵巧机器人学习与人机演示接口arXiv · 机器人与计算机视觉
- ROSETTA:一种用于免训练跨模态对齐的旋转子空间估计方法arXiv · 机器人与计算机视觉
- Grounded-Dreamer:基于世界模型合成数据的机器人学习框架arXiv · 机器人与计算机视觉
- TraceICL:一种用于鲁棒多模态上下文学习的线程解析演示策展与一致性校准框架arXiv · 机器人与计算机视觉
- Belief-Overlap Partial Inversion:面向人形机器人搬运动作的物体中心流重规划arXiv · 机器人与计算机视觉
- FAD-ViT:以特征轴注意力作为医疗影像迁移先验的研究arXiv · 机器人与计算机视觉
- LeapBot-JAC:面向世界动作模型的联合动作链方法arXiv · 机器人与计算机视觉
- LeWAM:基于 JEPAs 的端到端世界与动作建模arXiv · 机器人与计算机视觉
- 基于世界模型的采样运动规划方法arXiv · 机器人与计算机视觉