2026 年 11 月 20 日 · 星期五物理AI · 每日要闻每天 08:00 出刊
看懂日报 · 2026 年 11 月 20 日 · 星期五
kandong
第 44 期202026 年 11 月星期五
十一月本月 20 期
一二三四五六日
4件大事3个来源2件一手发布约 2 分钟读完
头条
RageVLA:基于增强训练的感知与动作实现 LIBERO 任务最先进鲁棒性
论文提出 RageVLA 模型,通过解耦感知与动作并引入数据增强,在 LIBERO-PRO 基准上刷新了 VLA 策略的最优表现。该模型拥有 0.21B 参数,在对象移动或指令变更时仍保持高成功率,显著优于现有最佳模型。
智能驾驶
MMomenta · 智能驾驶技术与运营一手跟进
Momenta 在慕尼黑开启首次 L4 公开测试并与 Uber 合作落地德国 Robotaxi 试点
2026 年 11 月 9 日,Momenta 在慕尼黑峰会期间于公共道路完成了首次 L4 级自动驾驶公开测试,巴伐利亚州交通部长 Christian Bernreiter 体验后称赞系统安全且能处理复杂路况。
计算机视觉
重新思考表征自编码器的重建 - 生成差距:基于几何失配的分析与改进
该论文指出将浅层编码器融合进表征自编码器(RAE)虽能提升像素重建但会损害扩散生成,其根源在于编码器与解码器接口处的几何失配。研究通过冻结基础编码器以保留视觉信息,同时正则化解码器并使其度量对齐于冻结解码器的坐标,在 ImageNet-256 上实现了 0.984 gFID 和 2.14 FDr6 的最优结果。材料为预印本,未提及同行评审状态或具体开源代码仓库。
MIT CSAIL 发布低内存激活秩子空间方法 LARS
MIT CSAIL 与哈佛大学联合提出 LARS 方法,旨在解决在智能手机等计算受限设备上直接微调大模型的显存瓶颈问题。该方法通过压缩模型训练过程中的中间激活存储(intermediate activation storage),将 GPU 上的内存占用降低超 23%,CPU 上降低约 47%。
快讯
- M3OPD-Reasoner:一种基于多教师同策略蒸馏的视觉语言模型后训练开放配方arXiv · 机器人与计算机视觉
- DOCK:基于机器人运动学的双流启发自监督物体中心表征arXiv · 机器人与计算机视觉
- Heave-Ho:去中心化长程多个人形协作框架arXiv · 机器人与计算机视觉
- TransFIRA+:面向生物特征可识别性评估的迁移学习框架arXiv · 机器人与计算机视觉
- MAVE:从电影镜头重建可编辑的三维块状布局arXiv · 机器人与计算机视觉
- GRID-UAV:面向无人机的几何与光深集成决策方法arXiv · 机器人与计算机视觉
- MillBill:一种具备几何反馈的加工代理arXiv · 机器人与计算机视觉
- ORGANIC3D:将 3D CT 视觉语言模型锚定在器官级图像文本耦合上arXiv · 机器人与计算机视觉
- 基于冻结世界模型的视觉规划自修正方法arXiv · 机器人与计算机视觉
- SPARSER:一种利用可分离结构的稀疏变量投影方法arXiv · 机器人与计算机视觉