跳到正文
2026 年第 45 周 · 11.02 — 11.08每周一出刊

看懂周报 · 2026 年第 45 周 · 11.02 — 11.08

kandong

第 5 期452026 年第 45 周11.02 — 11.08
20件大事361条精选7期日报约 8 分钟读完
本期导读

本周智能驾驶领域,Jev 结合语言世界模型将高速合流碰撞率降至 2.4%,普华基础软件发布开源小满 V26.10 等八项成果。具身智能方面,LiberAI 发布基于超 220 万小时数据预训练的世界动作模型 Liber-0,英伟达推出视觉规划框架 VFlash 使机器人推理提速 12 倍。世界模型与仿真领域,清华姚期智团队提出代数世界模型实现形式化证明,百度 Apollo World 发布面向物理 AI 的全模态世界模型。

头条

清华姚期智团队发布代数世界模型:让AI像牛顿一样思考

清华大学姚期智和袁洋团队提出「代数世界模型」(AWM),利用范畴论中的投射极限与归纳极限工具,将大模型的试错探索转化为形式化数学证明。在ARC-AGI-3游戏集测试中,基于Opus 5.5的AWM以99.9%得分和43%人类基准动作数全部通关,并能准确判断无解关卡。论文由本科生潘冠成、谭淇心撰写,项目主页与arXiv预印本已公开。

量子位原文
01

智能驾驶

arXiv · 机器人与计算机视觉11.05

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。

02

具身智能

本版导读HeLM 通过分层记忆解决长程任务失败问题,Möbius 统一运动理解与生成,Ctrl-F 提供力接口框架以增强交互能力,TactileLab 利用高效仿真支持大规模强化学习训练。

arXiv · 机器人与计算机视觉11.04

Möbius:一种统一运动 - 语言模型,桥接理解与生成

arXiv 论文介绍 Möbius,旨在构建能同时理解、生成和编辑人类运动的统一框架。该模型将扩散过程引入多模态表示空间,使干净运动、噪声运动和文本共同参与共享注意力机制,且直接操作连续帧级原始运动数据,无需离散分词或预训练 VAE。在 HumanML3D 数据集上达到最先进水平,扩展至 17 亿参数和 1700 小时运动数据后证明有效且可扩展。

arXiv · 机器人与计算机视觉11.06

LMGN:一种用于足式机器人末端抓取导航的统一策略学习模型

针对现有方法仅关注全局导航或独立操作而忽视末端抓取导航的问题,本文提出 Last-Mile Grasp-Navigation (LMGN) 统一策略学习模型。该模型引入显式距离与方向可达性表示,并开发语义对齐的分层混合专家策略以建模基座调整、预抓取对准、抓取执行及物体提升等阶段行为。实验在 Habitat 和 Isaac Gym 仿真器上进行,结果表明该方法显著优于现有最先进方法。

arXiv · 机器人与计算机视觉11.05

Ctrl-F:一种用于人形机器人位姿与操作交互的力接口框架

论文提出了 Ctrl-F 分层运动 - 力控制框架,旨在解决传统运动跟踪器仅知目标位置而不知如何与环境交互的问题。该框架包含统一运动 - 力控制器和高层在线力规划器,能在每个接触点(如手或脚)施加指定的三维力。

arXiv · 机器人与计算机视觉11.04

DynaFLIP:一种基于三模态动力学引导的机器人感知表征框架

论文介绍 DynaFLIP 框架,旨在解决传统机器人学习管道依赖静态视觉编码器、将运动理解推给下游策略的问题。该方法构建图像 - 语言-3D 流三元组作为训练监督,鼓励三种模态在共享超球空间中占据较小的单纯形体积以增强对齐,并结合余弦正则化与对比目标以避免几何歧义和平凡坍缩。

arXiv · 机器人与计算机视觉11.06

TactileLab:基于高效剪切敏感触觉仿真的仿真实灵巧操作框架

论文介绍 TactileLab 框架,利用刚体仿真结合光流法估计接触界面的切向运动以编码剪切动力学,替代昂贵的软体物理模拟。研究提出新的策略架构处理长程本体感觉与丰富触觉观测,并开发实真翻译方法将真实触觉图像映射为仿真场。在双臂及手内操作任务中验证了该方法支持大规模强化学习训练及仿真实到现实的部署能力。

arXiv · 机器人与计算机视觉11.02

SimuGuard:修复仿真基准中的接触伪影以提升机器人策略评估准确性

针对仿真基准中因物理引擎几何算法缺陷导致的虚假失败(如物体被弹出),作者开发了 SimuGuard 审计插件,在不改变评估流程的前提下自动标记并修复此类伪影。在 RoboTwin 平台上测试显示,修复后容器任务成功率从 89% 升至 98%,建议 PhysX 5.3.1 及更早版本的基准重新运行或报告修正后的成功率范围。

智东西 · 机器人11.06

英伟达发布VFlash视觉规划框架,机器人推理提速12倍

英伟达发布了面向快速精准视觉规划的通用解码框架VFlash。该框架利用视觉信息的几何结构,通过并行预测完整空间信息替代传统逐Token生成,在三维点运动预测任务中单次生成速度提升约25倍,动作解码最高加速12倍、整体机器人推理加速5.1倍。

智东西 · 机器人11.04

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 Papers11.05

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。

智东西 · 机器人11.04

物理世界模型创企 LiberAI 正式发布 Liber-0 世界动作模型

物理世界模型创企 LiberAI 于 11 月 4 日发布基于超 220 万小时人类经验数据预训练的世界动作模型 Liber-0。该模型采用混合 Transformer 架构,结合 LiberSense Glove 采集的人手动作数据与互联网视频,旨在减少对真机数据的依赖并提升跨本体泛化能力。

03

世界模型与仿真

本版导读PrimeSim 基于跨具身演示构建通用模拟器,ToolSpace 提出工具中心化环境合成方法解决接口不匹配难题,Adaptive-WAM 采用自适应早退规划提升推理效率。

Hugging Face Daily Papers11.03

PrimeSim:基于大规模跨具身演示的通用世界模型模拟器发布

论文 PrimeSim 提出了一种动作条件化的多视图世界模型模拟器,通过渐进式中期训练和后期训练解决动作跟随与多视图一致性难题。该模型在 30,110 小时、22 个平台的数据上预训练,支持刚性及可变形操作任务的长程仿真,并在多个基准测试中领先开源同类模型。作者发布了模型权重、推理代码及训练代码,但材料仅基于 arXiv 预印本,未提及同行评审状态或真实机器人部署结果。

Hugging Face Daily Papers11.03

ToolSpace:面向长程智能体的工具中心化环境合成扩展方法

论文提出了 ToolSpace 框架,旨在解决现有 MCP 环境合成方法数据为中心、导致工具接口不匹配及任务跨度不足的问题。该方法从真实 MCP 服务和开放智能体语料库的执行轨迹中,利用确定性规则挖掘数据、状态和重试依赖,而非依赖大模型判断。

盖世汽车 · 汽车资讯11.03

百度Apollo World世界模型发布:让AI训练AI

11月3日,百度在Apollo Day上首次披露面向物理AI的智能体驱动全模态世界模型Apollo World,并提出“2+3”判断标准。该模型具备因果性与交互性,强调物理准确性、持久性和实时性。

04

计算机视觉

盖世汽车 · 汽车资讯11.02

宾大开发通用计算工具F3补全事件相机与机器人视觉缺失环节

宾夕法尼亚大学工程师开发出名为“快速特征场”(Fast Feature Field,简称 F3)的通用计算工具,旨在解决事件相机数据处理难的问题。该工具能将事件相机每秒产生的数千万个信号转化为各类机器人可用的数据信息,有望在自动驾驶汽车、无人机等平台上广泛应用,显著提升机器人在多种光照条件下识别物体、估算距离以及感知运动的能力。相关成果已发表在期刊《科学 - 机器人学》上。

arXiv · 机器人与计算机视觉11.03

Covariance-aware Scoring:一种面向视觉语言模型测试时适应的几何修正方法

论文提出 CARe 方法,通过引入由目标特征二阶矩诱导的马氏距离几何来替代传统的余弦相似度评分,解决各向异性特征分布下高方差方向主导评分的问题。理论证明在共享协方差的 Gaussian 模型下,该方法与贝叶斯最优线性判别一致,且在特征各向异性显著时增益最大。实验显示 CARe 在标准及细粒度分布偏移基准上均优于基线余弦评分,且效果随特征各向异性增强而提升。

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