2026 年 10 月 20 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 20 日 · 星期二
kandong
第 13 期202026 年 10 月星期二
十月本月 24 期
一二三四五六日
2件大事1个来源0件一手发布约 1 分钟读完
头条
MOSS-Image 技术报告:开源图文生成系统实现长文本与复杂布局的最优表现
针对开源图文生成模型在处理密集文本和复杂版式上的不足,该研究提出了 MOSS-Image 系统。该系统通过从头预训练的 5B 参数单流扩散 Transformer(DiT)实现了双语长文本渲染与精确的版式控制,并开发了意图感知代理提示增强模块以将用户请求转化为详细的内容与布局规范。
具身智能
LAW:统一语言、动作与世界模型以赋能代理物理智能
论文提出了 LAW 框架,通过语义子任务进度将语言推理、动作生成与世界建模统一在闭环 VLM-WAM 架构中。其混合专家视觉语言模型负责规划剩余子任务并融合世界动作模型的提议,同时异步评估执行状态;世界动作模型采用 Transformer 专家混合结构进行视频 - 动作联合建模。
快讯
- FLoTS-SLAM:一种利用光流导出的不确定性进行单目动态 SLAM 的两阶段优化方法arXiv · 机器人与计算机视觉
- Scaling Online Exploration for Robot Agents:RAX 框架发布arXiv · 机器人与计算机视觉
- EgoP$^{2}$C:一种用于第一人称视频空间推理的内化计划 - 感知 - 合成框架arXiv · 机器人与计算机视觉
- VLA-Fabric:面向可组合多臂 VLA 智能体的交互学习arXiv · 机器人与计算机视觉
- 线性探针的成功是否证明存在线性表征?arXiv · 机器人与计算机视觉
- Shift-Reliance Alignment:通过模型信任的线索对视觉语言模型进行排名arXiv · 机器人与计算机视觉
- 三种激光雷达、二十五个数据集:树种识别中的跨源泛化性研究arXiv · 机器人与计算机视觉
- 解析视觉语言动作模型在接触丰富任务中的失效原因与修复方法arXiv · 机器人与计算机视觉
- Perceptive Behavior Foundation Model:一种将人类运动先验适配至机器人中心地形的感知行为基础模型arXiv · 机器人与计算机视觉
- Xiaomi-Lens-0 技术报告:基于 Qwen3.5 的 4B MLLM 实现掩码预测与细粒度区域理解arXiv · 机器人与计算机视觉