4D
共 102 篇相关内容
Jim Fan、韩松团队提出 Robota-Embed：机器人检索经验，动作比画面更关键
具身智能机器人想要复用过往操作经验，普遍会检索历史示范视频，模仿曾经成功的操作。 但传统检索大多只比对画面外观：只要桌子、物体看起来一致，就判定是匹配片段，忽略机械手当下的运动方向。同样的纸箱、同一段胶带，封箱和撕胶带两张画面几乎看不出差别…
英伟达 Jim Fan 团队新作：只拉长历史解决不了 WAM 短板，核心需靠自回归预测
Long WAM 发现「能拿到历史」不等于「会用历史」：只有视频底座先以自回归方式学会从过去推未来，拉长上下文才能真正实现性能上涨。基于这一结论，团队将这套世界动作模型打造为可在边缘设备实时运行的系统。上下文时长从 0 秒拓展至 19.2 …
贾奎团队新作：让世界动作模型真正理解三维空间
UNITAS 将观测、动作与场景变化统一至同一个米制三维坐标系：以点轨迹表征人手与夹爪的运动，用场景流描述场景点的位移，让世界动作模型不再单纯依靠图像推测环境演化。模型参数量仅 1.7 B，在 LIBERO 基准测试上取得 99.8 % 任…
杨立昆 JEPA 最新论文，端到端规划的下一程在哪？
有关具身智能，JEPA 是世界模型内一个无法回避且值得反复讨论的技术路线。它拥有很多颇具希望的特质：更好的抗干扰能力、更高效的计算与训练效率、极低的数据标注依赖......更重要的是，JEPA 基于表征学习来捕捉物理世界的规律，从而进行实 …
智在无界卢宗青团队提出 Being-M0.7，依托人类视频动作先验，训练人形机器人全身移动操作
Being M0.7 依托一万余小时人类第一视角视频与人体动作数据，学习画面与全身动作的联合先验，再通过机器人轨迹完成中训与动作后训练，输出人形机器人全身移动 + 操作的控制指令。模型在 SIMPLE 仿真基准中综合成功率 71.1%，位列…
一盏会凑过来让摸头的台灯，你见过吗？
如果一盏台灯把头伸到你手边，你会先摸它一下，还是会被吓一跳？ Mira Light 想要的，大概是前一种反应。按照团队公开的交互设计，人把手伸向灯头，它会向前靠近、轻轻蹭动，灯光也随之变暖。手移开后，它再做一个向前追的动作，随后回到照亮桌面…
中科院自动化所与高德团队提出 DreamTrue，将机器人动作统一渲染为画面条件，实现高精度未来视频预测
DreamTrue 将机器人动作渲染为画面内的机器人作为训练条件，为世界模型补充示范数据中缺失的失败动作，并依托人工标注训练得到的奖励模型开展强化学习。当动作执行失败时，模型能够如实预测对应的结果，它在 AgiBot 平台上将交互缺陷率从 …
想造 GPT 通才的年轻人，和相信专才的老将｜IROS 2026 现场
9 月 27 日到 10 月 1 日，第 39 届 IEEE/RSJ 智能机器人与系统国际会议（IROS 2026）在大卫·劳伦斯会展中心举办。 上一次匹兹堡举办 IROS 还是在 31 年前的 1995 年，31 年里，CMU 在这里把机…
对话 IROS 最佳论文奖入围团队：灵巧手的「反内卷」，先让手掌动起来
一只机器人手要拧开防儿童瓶盖，最直接的思路，是让它越来越像人手 。 更多手指、更多关节、更多自由度，再训练一套足够复杂的控制策略。 普渡大学的 周于皓 和合作者却给出了另一个答案： 先别急着继续加手指，让手掌也动起来。 在 IROS 202…
智能体越界后，英伟达把防线推到芯片上
美国时间 9 月 28 日，英伟达发布开放智能体安全平台 Open Agent Safety Platform。平台将开源运行时 OpenShell 与基于 BlueField 4 DPU 的 Sentry 参考设计组合起来：前者限制智能体…
卖出 700 万副眼镜后，Meta 想把什么交给 AI ？
9 月 23 日的 Meta Connect，眼镜依旧是台上的主角：Ray Ban Meta 更新到第三代，带显示的眼镜增加新功能，Meta VR Glasses 计划明年春天上市。其中最有意思的产品，反倒是一副做了减法的 Ray Ban …
港大、港科广、北大等五校团队联合发布 AffordanceWAM，靠可供性激活真人训练视频
AffordanceWAM 的核心突破，是将「物体可交互位置与方式」的可供性，纳入世界动作模型的显式预测目标，彻底解决真人第一视角视频难以适配机器人训练的行业痛点，让原本容易造成负迁移的真人数据，转变为可规模化扩展的有效监督信号。 9 月 …