看懂日报 · 2026 年 11 月 18 日 · 星期三
kandong
JEPA4R:基于 4D 点规划的具身 JEPA 世界模型
该预印本提出 JEPA4R,一种在冻结的 JEPA 世界模型上运行的具身智能架构,通过单目深度相机观测点云并在其潜在空间进行预测与规划(即 4D 点规划)。解码器可将想象内容可视化为平均误差小于 1.1 厘米的 4D 点云。
智能驾驶
美国收紧芯片管制;特斯拉扩建柏林厂;小马智行与丰田第七代铂智4X Robotaxi示范运营
11月16日,美国出台新措施限制对华先进计算芯片出口并增加部分东南亚及巴西交易许可要求。同日,特斯拉宣布投资30亿欧元扩建柏林工厂以生产Cybercab;梅赛德斯-奔驰将在2027年美国推出Hands-Free Highway Assist和MB.DRIVE ASSIST PRO两套高阶辅助驾驶系统。
具身智能
ForceHarness:将力转化为动作与物理以赋能冻结前沿模型
针对图像无法表征接触力的问题,ForceHarness 提出一种无需演示或微调的框架,通过自终止力原语闭环控制并翻译力迹为带不确定性的物理量。在真实机械臂上,该方法将 GPT-6 Astra 的零样本成功率从 3.3% 提升至 90.0%,并在仿真基准中超越基于演示的策略及手写专家控制器。作者还构建了 HiddenPhys 七任务 MuJoCo 基准以评估隐藏物理变量下的性能。
MIT韩松团队新作:基于Qwen3.8的Robot-Use RL让机械臂临摹画作与做化学实验
MIT韩松团队提出Robot-Use RL方法并公布PEAR后训练引擎,基于Qwen3.8-27B在仿真环境中通过强化学习自主训练机器人操作能力。LIBERO基准测试中任务成功率从1.6%提升至74.4%,接近GPT-6 Astra和GPT-6.1 Sol水平;部署到真实双臂YAM机器人时,任务成功率达60%而基础模型为0%。
计算机视觉
MatOS:面向材料研发的科研智能体系统正式开源
北京中关村学院 AI 材料研究所发布的 MatOS 科研智能体系统正式开源。该系统将数据、知识、工具等组织为科学资产,通过有状态自适应工作流执行长周期任务,并利用证据驱动机制持续进化资产库。
产业与监管
AMD完成对World Labs的收购,李飞飞出任执行副总裁兼首席科学家
AMD正式宣布完成对由李飞飞联合创办的空间智能公司World Labs的收购,交易总估值约82亿美元,采用全股票非公开发行方式。交割于11月13日完成,比最初预计提前。
快讯
- Acting by Intent, Reacting by Sight:面向实时 VLM 智能体的视觉条件反射方法arXiv · 机器人与计算机视觉
- NF-VLA:一种用于视觉语言动作学习的归一化流基线方法arXiv · 机器人与计算机视觉
- 相同证据不同判决:CT 图像与 DICOM 元数据交付顺序改变 VLM 质检决策arXiv · 机器人与计算机视觉
- Polygraph:基于位姿图的大规模多会话轨迹优化方法arXiv · 机器人与计算机视觉
- Frame First, Decode Once:面向系统一世界模型的物体中心坐标与单次解码方法arXiv · 机器人与计算机视觉
- 迈向交互动力学:安全人机协作的预测框架arXiv · 机器人与计算机视觉
- 平均数掩盖的真相:单目度量深度模型在日常场景仍失败,主要在尺度上arXiv · 机器人与计算机视觉
- 超越对齐:对 EEG 到图像重建的生成器进行监督arXiv · 机器人与计算机视觉
- Bring Back Language to Actions:通过参数合并恢复 VLA 模型中的 VLM 能力arXiv · 机器人与计算机视觉
- RETR:一种用于鲁棒 3D 车道检测的结构保持 RGB-事件 TransformerarXiv · 机器人与计算机视觉