跳到正文

技术方向

数据与合成数据 最新动态

真实和遥操作数据、数据集开放、合成数据及训练工具;区分下载开放与再使用授权。

482 条精选近 30 天 361 条共收录 3,060 条

更新

精选归档 · 第 17 页

10月21日周三第 321–340 条
  1. 上海人工智能实验室 · 科研动态80

    上海AI实验室发布自进化合金设计专家模型书生·衍金

    上海AI实验室联合中国科学院金属研究所等机构发布自进化合金设计专家模型“书生·衍金”(AlloyEvo)。该模型通过自主设计方案、智能评估性能并沉淀经验,在航空航天3D打印工程钛合金研发中实现突破:样品抗拉强度达1817MPa,较现有基准提升12.8%,均匀延伸率持平。AlloyEvo已集成至书生·端砚科学发现平台,支持高温合金、特种钢等新材料体系的设计与研发。

    推荐理由:上海AI实验室联合多方推出自进化合金设计专家模型AlloyEvo,在工程钛合金研发中实现抗拉强度提升12.8%的突破。

  2. arXiv · 机器人与计算机视觉82

    基于赤字驱动的分层采集构建 STRATA-S12:一个用于自监督学习的开源 SAR-光学语料库

    该研究针对合成孔径雷达与光学卫星数据配准中存在的地理缺失问题,提出了一种名为 DDSA 的算法,通过分层配额控制、严格时间配对及人机协同修复机制来优化数据采集。实测显示,该算法在部分预算下即可覆盖所有分层,且修复循环提供了近四成的有效样本对。作者公开了 STRATA-S12 语料库及其元数据侧车,预注册线性探针检查证实其适用于自监督预训练任务。

    推荐理由:作者提出一种分层采集算法以解决多模态遥感数据的地理缺失问题,并公开了包含修复机制的自监督预训练语料库。

  3. arXiv · 机器人与计算机视觉78

    $S^3$: 谱域零空间交换让推理模型更高效

    论文提出S3(Spectral Null-Space Swap)方法,这是一种无需训练的成对检查点组合策略。研究指出推理能力的核心存在于非思考模型主导奇异方向投影的零空间中,移除该分量可大幅提升效率而不损害准确率。实验在2B至30B参数量的稠密及MoE架构上验证,相比完整思考模型,S3平均降低27.4%推理token开销,同时整体任务准确率提升1个百分点(如在HMMT25上准确率达+8.3%)。

    推荐理由:提出S3方法,通过交换非思考与思考模型的零空间权重,在推理效率提升27.4%的同时保持准确率。

  4. arXiv · 机器人与计算机视觉82

    PURE:利用无标签数据优化前馈式三维重建

    PURE 是一种无需真值监督的后训练细化框架,旨在解决现有前馈式三维重建模型在处理动态真实世界视频时因非刚性运动、遮挡和光照变化而表现脆弱的局限。该方法通过蒸馏最先进的 2D 先验中的鲁棒结构知识至 4D 前馈架构,利用相对深度约束、仿射不变几何蒸馏及基于特征对应的姿态细化来稳定几何预测。

    推荐理由:PURE 框架利用无标签数据进行后训练,通过蒸馏 2D 先验知识提升模型在动态场景下的深度与姿态估计鲁棒性。

  5. arXiv · 机器人与计算机视觉78

    EMERGE:一种基于等变图扩散的分辨率无关点云生成方法

    论文介绍 EMERGE 框架,这是首个专为点云生成设计的完全 SE(3) 等变图神经网络扩散主干网络。该方法克服了现有 Transformer 和 VAE 架构忽略 3D 空间连续非网格拓扑的问题,通过引入几何归纳偏置实现了分辨率无关的零样本推理,并在标准指标上达到最先进质量且训练收敛更快。

    推荐理由:提出首个基于 SE(3) 等变图神经网络的点云生成框架,实现分辨率无关的零样本推理与更快的训练收敛。

  6. arXiv · 机器人与计算机视觉78

    ChartEvo:一种用于长尾图表推理的递归自进化智能体框架

    该论文提出了 ChartEvo 框架,旨在解决多模态大语言模型在长尾图表类型上性能不均的问题。通过经验驱动的层级自改进机制,框架联合演化可复用的图表专用技能与可执行工具,并学习局部工具调用链以组合能力与控制推理开销。实验显示,在 ChartBench 和 ChartX 数据集的长尾图表任务中,该方法相比基线模型 Qwen3.7-Plus 分别提升了 45.6% 和 32.5% 的准确率。

    推荐理由:针对长尾图表推理任务,提出递归自进化框架以联合优化技能与工具调用链。

  7. arXiv · 机器人与计算机视觉78

    成对学习提升深度神经网络的数据效率

    针对小样本回归中深层网络易坍缩至低方差预测的问题,作者引入成对比较框架,将回归重构为聚合相对排名。该方法在不增加监督的情况下,利用 UTKFace 数据集(2.3 万图像)生成了超过十亿次训练比较。

    推荐理由:提出成对比较框架将回归转化为聚合相对排名,在少量标签下提升数据效率与模型性能。

  8. arXiv · 机器人与计算机视觉83

    AEON:统一视频与 3D 世界模型的框架

    论文提出 AEON 框架,旨在弥合基于视频生成模型(如 Sora)缺乏 3D 一致性与基于 3D 生成模型(如 Marble)缺乏真实感之间的差距。该框架在文本或图像条件的视频潜在空间内运行,生成可渲染的 4D 图形原语——具体为 4D Gaussian Splatting (4DGS) 作为显式世界表示。

    推荐理由:提出 AEON 框架统一视频与 3D 世界模型,通过 4DGS 显式表示实现几何一致性与真实外观的兼顾。

  9. arXiv · 机器人与计算机视觉83

    KoalaGS:基于复杂度感知的连续层级细节高斯泼溅方法

    该论文提出 KoalaGS 方法,利用输入视图计算的图像复杂度先验来指导高斯泼溅训练中的点云重定位与降级策略。研究发现在低算力预算下,简单区域的高斯数量过多会拖累渲染质量,该方法通过偏置重定向至重建较差区域并平滑过渡层级细节,在三个数据集上实现了更优的渐进式流送效果与结构保持能力。

    推荐理由:该方法利用图像复杂度先验优化高斯泼溅的层级细节,在降低算力预算时保持场景结构并提升低容量下的渲染质量。

  10. arXiv · 机器人与计算机视觉78

    SenseAlign:通过语言理解视觉与触觉的测试时适应方法

    SenseAlign 是一种针对触觉 - 视觉 - 语言模型的测试时适应方法,旨在解决部署中因环境变化或硬件差异导致的模态不可靠问题。该方法利用候选类别的文本嵌入比较累积观测以评估模态可靠性,并通过特征修正分离预测类别与替代选项。所有编码器保持冻结,仅使用无标签历史数据即可在自然偏移和受控腐蚀下恢复识别性能。

    推荐理由:提出在测试时利用文本嵌入进行模态对齐与特征修正,以应对光照或传感器变化导致的性能下降。

  11. arXiv · 机器人与计算机视觉82

    物理 AI 用于物流:NVIDIA Sim-to-Real 生态对增强型 COMPASS 导航的基准测试

    该预印本系统评估了 NVIDIA Cosmos 在工业移动机器人导航中的 Sim-to-Real 增益,显示其将成功率从 65.3% 提升至 91.7%,为相关团队提供了可复现的基准数据。

    推荐理由:该预印本系统评估了 NVIDIA Cosmos 在工业移动机器人导航中的 Sim-to-Real 增益,显示其将成功率从 65.3% 提升至 91.7%,为相关团队提供了可复现的基准数据。

  12. arXiv · 机器人与计算机视觉78

    SplatFlux:基于视频潜变量的前馈式 4D 高斯重建与生成框架

    该论文提出 SplatFlux,这是一个将视频潜变量解码为 4D 高斯(4DGS)的前馈框架,旨在统一处理视频基 4D 重建和条件式 4D 生成。核心观察在于利用预训练视频潜空间表示观测视频与生成内容。

    推荐理由:该工作提出 SplatFlux,利用预训练视频潜空间统一处理重建与生成任务,并通过静态动态解耦策略实现无需标注的 4D 场景构建。

  13. arXiv · 机器人与计算机视觉82

    World2HOSI:一种用于长程人机物场景交互生成的多专家编排框架

    论文介绍 World2HOSI 框架,旨在解决长程人机物场景交互(HOSI)任务中单一模型能力不足及高质量数据稀缺的问题。该方法通过构建基于解耦背景与物体资产的持久化三维高斯泼溅(3DGS)场景状态,利用编排器规划动作阶段并调用现有专家模型,同时将动作效果写回以维持世界一致性。

    推荐理由:该工作提出多专家编排架构,利用解耦资产与闭环仿真生成高质量长程人机物场景交互数据。

  14. arXiv · 机器人与计算机视觉78

    Sensitivity-Orthogonal Residual Learning for Adaptive Sideslip and Cornering Stiffness Estimation

    该论文提出一种基于正交残差学习的自适应侧偏和转向刚度估计方法,旨在解决轮胎变化时模型校正与滤波器创新竞争的问题。研究通过传播预测测量的刚度敏感性并构建与之正交的校正器,在整车仿真中使侧滑误差降低 12.7% 至 22.0%,并在真实车辆数据上验证了其对名义刚度偏移的鲁棒性。材料为预印本论文,已提交至 Vehicle System Dynamics。

    推荐理由:提出正交残差学习框架,在保持侧偏刚度估计能力的同时抑制模型修正干扰。

  15. arXiv · 机器人与计算机视觉78

    LoRASpace:一种用于静态与动态多 LoRA 组合的池级共享基底

    论文提出 LoRASpace,这是一种免训练方法,利用奇异值分解找到保留 99% 因子能量的最小子空间。该方法支持两种推理模式:静态合并模式(以合并成本换取质量)和动态路由模式(根据输入选择)。在扩散模型池中,动态模式比复合推理快 6 倍以上,因为只需运行一次主干网络前向传播。代码已开源。

    推荐理由:提出免训练方法 LoRASpace,通过池级共享子空间实现多 LoRA 静态合并或动态路由,在扩散模型池中显著降低推理延迟。

  16. Hugging Face Daily Papers82

    Learning the 4D World through Point Trajectory Forecasting

    论文介绍 Video-Point Model (VPM),这是一个基于多视角视频历史和语言指令的世界模型,能够联合预测任意视角的未来视频和场景中持久点的 3D 轨迹。

    推荐理由:该工作提出 Video-Point Model,通过点轨迹监督联合预测多视角视频与 3D 运动,并扩展至机器人控制。

10月20日周二
  1. arXiv · 机器人与计算机视觉82

    SELECT:一种利用兄弟互斥反事实构建语义擦除边界的框架

    针对文本到图像扩散模型的概念擦除问题,现有方法依赖预定义语义锚点但缺乏对其选择影响的深入理解。本文通过因果溯源发现概念分散度与锚点敏感性及擦除鲁棒性的关系,提出 SELECT 框架,利用语义相近且属性互斥的兄弟概念构建反事实重定向端点和局部保留集,在抑制目标概念的同时减少副作用和概念重现。实验表明该方法在对象、名人、艺术家风格及 NSFW 等擦除任务上优于固定通用锚点。

    推荐理由:通过因果溯源揭示锚点选择对概念擦除的影响,提出基于互斥概念的框架以平衡抑制与保留。

  2. arXiv · 机器人与计算机视觉82

    LynxScenes:面向户外轮足机器人的大规模现实世界基准数据集与评测套件

    arXiv 预印本介绍 LynxScenes,这是一个基于 LYNX M20 轮足机器人采集的大规模户外现实世界数据集与基准。数据包含约 10 万段 30 秒导航片段(总时长 833.6 小时、里程 3,294.7 公里)及 300 万帧标注,涵盖四路鱼眼相机、双激光雷达、IMU、里程计与机器人状态。

    推荐理由:该基准提供轮足机器人户外导航、感知与世界模型的密集标注数据及评估工具,可帮助研究者验证现有方法在真实场景下的不足。

  3. arXiv · 机器人与计算机视觉82

    VISTA:面向视觉自回归生成的测试时组合式对齐方法

    该论文介绍 VISTA 框架,这是首个针对下一代自回归图像生成中组合约束的基于梯度的测试时优化方案。该方法构建于 Infinity 模型之上,通过冻结 Transformer 优化中间表示,无需参数更新或训练即可稳定跨尺度优化并接入任意可微交叉注意力约束。

    推荐理由:提出首个基于梯度的测试时对齐框架,在不更新参数下提升视觉自回归模型的属性绑定与空间关系能力。

  4. arXiv · 机器人与计算机视觉82

    RoboEdit:将人类操作视频转化为可扩展的机器人经验

    针对收集机器人手物交互数据成本高且具身特定的问题,本文提出 RoboEdit 人机视频编辑套件,可将人类操作视频转化为动作一致、物理合理且手部状态对齐的机器人视频。

    推荐理由:提出 RoboEdit 工具链与数据集,将海量人类操作视频转化为物理合理的机器人训练数据。