CVPR 2026｜DROID-W：复杂室外动态场景，也能稳定SLAM
CVPR 2026｜DROID-W：复杂室外动态场景，也能稳定SLAMSLAM 在自动驾驶、机器人、AR/VR 乃至具身智能系统中都是至关重要的环节，它决定了算法能否在一个陌生环境中一边“看懂世界”，一边“知道自己在哪”。
来自主题: AI技术研报
7310 点击 2026-04-08 09:13
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
SLAM 在自动驾驶、机器人、AR/VR 乃至具身智能系统中都是至关重要的环节，它决定了算法能否在一个陌生环境中一边“看懂世界”，一边“知道自己在哪”。
Meta SOAR用「剧毒数据」当垫脚石，硬生生把模型从Fail@128的认知黑洞里拽出来，推理能力暴涨9.3%！2026年，这才是最硬核的反杀路线。
如果把手机屏幕想象成一个舞台，GUI 智能体就是台下那个 “被授权动手” 的人：它能看懂屏幕上的按钮、输入框和弹窗，能按你的指令去点、去滑、去输入。
研究者用特制雨伞干扰无人机视觉系统，让其误判目标在远去，从而失控俯冲。FlyTrap攻击无需信号干扰，仅靠物理图案就能欺骗多款商用无人机，实现静默捕获或击毁。实验显示，物理闭环攻击成功率超60%，且对新人物、新场景均有强泛化能力。这项研究揭示了AI感知系统的重大安全隐患，警示我们：视觉安全正成为智能设备的阿喀琉斯之踵。
就在大家都急头白脸地等待DeepSeek-V4的时候，冷不丁一篇新论文引起了网友们的注意—— 提出新稀疏注意力机制HISA（分层索引稀疏注意力），突破64K上下文的索引瓶颈，相比DeepSeek正在用的DSA（DeepSeek Sparse Attention）提速2-4倍。
生成式模型当检索器大材小用效果还不好？
OpenAI Codex 团队的产品规格文档只有 10 个要点。不是说每个功能的文档只有 10 个要点，而是整个产品的 spec 就这么多。设计师写的代码量超过了六个月前工程师写的。50 到 100 人的团队，直到最近才有了第二个产品经理。
大模型技术正在经历一场从 “对话助手” 向 “自主智能体（Agent）” 的深刻演进。智能体不再局限于被动地理解与生成，而是具备了多步规划、工具调用、长期记忆与管理物理 / 数字世界的能力，正逐步深度嵌入企业侧的核心业务流程。这意味着，AI 的边界已从虚拟屏幕的对话框，正式延伸到了真实的生产系统中。
人形机器人全身灵巧操作是通向通用具身智能的核心目标之一。在这一愿景下，机器人不仅需要双臂与高自由度多指灵巧手的精细协调，还需要与全身位姿（如行走、弯腰）进行动态配合。
AI不再只是把两个物体「放一起」，而是真正造出一个新实体。VMDiff模型通过分阶段策略：先拼接保留信息，再插值融合成整体，并自动调节平衡，让生成结果既像两者，又自然统一。 过去，很多图像生成模型都能同时画出两个物体；但要让它们真正「长成一个新物体」，其实远没有那么简单。