跳到正文
2026 年第 44 周 · 10.26 — 11.01每周一出刊

看懂周报 · 2026 年第 44 周 · 10.26 — 11.01

kandong

第 4 期442026 年第 44 周10.26 — 11.01
20件大事285条精选7期日报约 7 分钟读完
本期导读

本周智能驾驶领域发布支持生成选择架构的Autoware 2.0及行业首用大模型测算力的X7 Ultra芯片;具身智能方面,多家机构推出提升长程任务能力与触觉泛化的新框架并评估机器人生产力;世界模型与仿真板块开源了统一视觉语言基座及端侧预训练模型;计算机视觉领域则实现了文档解析、算子提速及蛋白质设计等多项突破。

头条

Ψ-0.6:统一视觉语言世界模型中的自适应思维流

论文介绍 Ψ-0.6,这是一个统一的视觉 - 语言世界模型,能够在共享的推理过程中自适应地组合感知、语言、几何和仿真模块。该模型通过“思维流”交错处理图像、文本以及显式的几何与运动表示,支持反事实模拟以判断物体移动是否阻碍路径等任务。

arXiv · 机器人与计算机视觉原文
01

智能驾驶

Autoware · Releases一手10.29

Autoware 2.0 发布:引入扩散规划器与生成 - 选择架构

Autoware 2.0 正式发布,在原有规则基线栈旁新增 AI 规划器选项,采用生成 - 选择架构让用户通过 launch 参数选择 Diffusion Planner。基础模型与数据集已迁移至 Hugging Face,并引入 Autoware Index 管理外部仓库及 Autoware Reference Design 提供可复现的部署配置。

02

具身智能

arXiv · 机器人与计算机视觉10.28

FTP-1:一种面向多种触觉传感器的通用触觉基础策略

FTP-1 是首个通用的触觉基础策略,旨在解决现有触觉策略依赖固定本体和传感器的问题。该模型通过异构编码器将图像、阵列及状态信号投影为统一的形态感知潜在 token,并由共享触觉 Transformer 专家联合建模。

盖世汽车 · 汽车资讯10.26

跨维智能联合高校发布TaskAnchor提升机器人长程任务能力

跨维智能联合香港中文大学(深圳)、佛山大学、华南理工大学发布TaskAnchor技术,旨在解决长程操作中因画面信息不足导致的任务状态混淆问题。该技术通过轻量适配器接入历史信息,输出任务状态坐标并利用上下文自适应测试时训练模块补充历史视觉证据。

盖世汽车 · 汽车资讯10.28

禾赛科技发布机器人运动与三维世界数据引擎

禾赛科技宣布布局机器人运动引擎与三维世界数据引擎,旨在构建物理AI时代的基础设施。动力模组体积缩小37%、功率密度提升3倍,已赋能Sharpa灵巧手并进入英伟达参考方案;Kosmo系统可同步生成多种三维形态,在DQ冰淇淋门店部署中使任务成功率提升至99%。截至2026年第二季度末,禾赛已累计交付动力模组超1万套,正从激光雷达公司向物理AI基础设施公司转型。

03

世界模型与仿真

arXiv · 机器人与计算机视觉10.28

视频世界模型的潜变量为何与动作相关:预测优于重建

论文研究了不同预训练信号如何诱导视频世界模型潜变量中的动作相关结构。研究通过统一的逆动力学探针评估发现,时序视频预训练主要驱动了动作相关性,而像素重建保真度并非关键;具有强解码质量的模型可能表现出近零的动作恢复能力。此外,逆动力学监督显著提升了模型对视觉扰动的鲁棒性。该工作已接受至 CoRL 2026。

智东西 · 机器人10.30

大晓机器人联合南洋理工大学发布世界模型 Mundo

大晓机器人联合南洋理工大学S-Lab发布面向具体环境的世界模型Mundo,具备场景重建、自由视角探索和时空模拟能力。该模型仅需1至12张真实图像即可构建可编辑的三维代理场景,并通过代码定义物体质量与摩擦等物理属性,利用MuJoCo引擎计算运动与碰撞,最终由视频扩散模型渲染出符合物理规律的动态画面。

04

计算机视觉

arXiv · 机器人与计算机视觉10.27

Iris:基于可复用选项记忆的类型化视觉决策框架

论文介绍 Iris 框架,支持图像、文本或混合候选人的类型化决策任务。研究证明在 Iris 架构下可实现严格的顺序不变性与精确缓存复用,并在 MetaEncoder 基准上超越更大参数量的模型。此外,通过重构 Qwen3.5 的卷积层为矩阵乘积形式,解决了 Ampere GPU 上的系统瓶颈,处理速度提升 350 倍。代码、数据与检查点已开源。

量子位10.30

面壁智能开源ForgeKernel:AI Agent零帧起手将DeepSeek核心算子提速9.8%

面壁智能开源算子生成系统ForgeKernel,其Agent在无源码、无论文参考情况下,于英伟达B200上通过42轮迭代将FlashMLA Prefill算子耗时从518微秒降至472微秒,超越人类手写巅峰9.8%。该系统在昇腾CANN三大榜单均排名第一,且已在国产芯片与英伟达平台完成MiniCPM5-1B长训测试,标志着AI研发主体正从人类转向模型。

量子位10.26

岩山科技联合港科大、CMU开源EdgeRock-4B模型

岩山科技旗下岩芯矩阵联合港科大、CMU等高校发布并开源了EdgeRock-4B模型,该模型基于Qwen3.5-4B改造,采用记忆岩锚(RMA)机制将每条序列的KV Cache固定在72 MiB,不随上下文长度增长。

往期看懂周报
(本期完)

看懂 周报由编辑系统根据公开来源自动综合,每条均附原文 · 往期周报