跳到正文
2026 年 11 月 6 日 · 星期五每天 08:00 出刊

看懂日报 · 2026 年 11 月 6 日 · 星期五

kandong

第 30 期062026 年 11 月星期五
8件大事5个来源1件一手发布约 3 分钟读完
头条

Jev with Foresight:通过语言世界模型实现安全的语言引导自动驾驶

arXiv 论文 Jev-AD 结合类型化决策模型 Jev 与语言世界模型,后者预测候选动作下周边车辆未来两秒的运动以提供预见性后果。在仿真高速合流(500 车集)中,碰撞率从 26.0%降至 2.4%,自由指令意图达成率达 93%;在回放真实 NGSIM 轨迹(500 集)中,碰撞率从 48.2%降至 2.8%,世界模型能预见 93%的危险动作。

arXiv · 机器人与计算机视觉原文
01

智能驾驶

盖世汽车 · 汽车资讯

特斯拉Cybercab拆解:为降本砍掉油漆线与部分电驱配置

特斯拉Cybercab被拆解分析显示,其通过电池模组化设计、取消整车涂装线及定制高齿比电机等工程手段将制造成本控制在3万美元以内。目前北美奥斯汀已有超300辆在运营,门店售价2万美元,由特斯拉统一维护运营。材料指出造得便宜只是开始,后续需验证每英里0.2美元的运营成本目标是否达成。

02

具身智能

智东西 · 机器人

戴盟发布TacClaw-Infinity触觉数据集并验证零本体迁移能力

戴盟近日公开了其从Daimon-Infinity中筛选出的TacClaw-Infinity触觉数据集,包含1万小时采集、100万条轨迹和10亿帧数据。该数据集支持无本体训练(Zero-Robot Transfer),在π0.5等模型上使花瓶擦拭任务成功率由50%提升至74%,且无需专用触觉架构即可利用现有策略。

Hugging Face Daily Papers

从像素到动作:迈向原生视觉语言动作策略

这篇论文介绍了 NEO-VLA 框架,主张视觉语言动作模型不应依赖固定的视觉编码器输出,而是让图像 token 在骨干网络中随语言共同演化。实验表明,这种架构在多种操作设置和分布偏移下比传统编码器方案更鲁棒,且关键动作信号往往在最终视觉表示之前达到峰值。材料为预印本版本,代码链接已提供。

03

世界模型与仿真

Hugging Face Daily Papers

多轮强化学习究竟提升了 LLM Agent 的什么能力?

该论文评估了采样广度与交互深度对多轮智能体强化学习性能的影响,发现其优势依赖于充足的回合预算且集中于错误恢复与长程韧性,而非均匀提升单步决策质量。作者提出 BudgetMix RL 方法以缓解预算依赖带来的部署风险,并展示了其在多样化执行设置下的鲁棒性。

World Labs · Research & Insights一手

Frameboy:Atlas 世界模型的实时交互演示

World Labs 发布 Frameboy 研究预览,允许用户通过浏览器以最高 15 fps 的速率控制相机并实时探索由 Atlas 生成的 3D 场景。该演示基于高度优化的 Atlas 变体,支持从单张输入图像或文本描述生成全新视角,并可集成至 Viewfinder 应用用于构建和流式渲染自定义场景。

04

快讯

(本期完)

看懂 日报由编辑系统根据公开来源自动编辑,每条均附原文 · 日报合订本