Android XR 新增 OpenXR 空间容器支持,可实现多引擎应用
Android XR 已支持近期标准化的 OpenXR 空间容器扩展,适用于 Spatial API Level 4 或更高版本设备,目前仅限 Full Space 模式应用。
Android XR 已支持近期标准化的 OpenXR 空间容器扩展,适用于 Spatial API Level 4 或更高版本设备,目前仅限 Full Space 模式应用。
World Labs 宣布向所有人开放 Atlas 世界模型的访问权限,并推出一套用于构建 3D 世界的应用和 API 接口。Atlas 于今年 9 月首次亮相,原生支持文本、图像、视频和 3D 等多种输入,并整合到共享空间上下文中。它可根据文本生成图像和 360 度全景图,从一张或多张图像生成图像和视频,视频输出最高 1440p、时长最长 1 分钟,还能从输入图像重建真实世界空间。
NVIDIA 在 SC26 推出面向研究人员和开发者的 DGX Spark HPC 开发者套件,由四台 DGX Spark 组成环形直连集群,无需网络交换机。四节点合计 512GB 内存和 20TB NVMe 存储,借助 NVFP4 可在本地部署最高 700B 参数模型,例如 DeepSeek V4.1。
美国商务部工业与安全局(BIS)联合财政部和国家安全委员会发布临时最终规则,旨在堵住通过第三国数据中心远程租用算力绕过芯片出口限制的路径。规则要求使用美国技术的海外数据中心限制向总部位于中国、俄罗斯、伊朗等高风险国家的公司提供远程访问,向总部位于印尼、马来西亚、新加坡、泰国或巴西的公司出口先进芯片需申请许可。新规将在90天后正式生效。
英伟达机器人学习工程师戴士钦(Darrell Dai)发文宣布离职,称黄仁勋突然离职令他格外失望。他钦佩黄仁勋在深度学习热潮前投入 CUDA、提前布局 AI,并在具身智能领域投资机器人技术、分享开源工具与项目。他表示黄仁勋塑造的工程师文化是自己留在英伟达的重要原因,如今其离职让自己在英伟达的职业篇章画上句号。
特朗普在白宫对记者表示支持黄仁勋回归英伟达出任CEO,称"很多人认为他应该回去"。但据CNBC,英伟达董事会并未讨论此事,而是专注于调查黄仁勋的行为及一项国家安全调查。前CFO Colette Kress现担任临时CEO,公司股价近五个交易日跌超10%。
Tesla 宣布投资 30 亿欧元(33 亿美元)扩建柏林超级工厂,计划 2029 年开始在该工厂生产 Cybercab,新厂房年产能最高可达 100 万辆。工厂高级制造总监 André Thierig 在 LinkedIn 上表示,新建筑位于柏林以东的 Grünheide,预计 2027 年上半年动工,建成后将成为 Tesla 技术最先进的工厂。
NVIDIA Vera Rubin 平台首次参加 MLPerf 基准测试即横扫 Training v6.1 全部项目,并在首个 MLPerf Endpoints 提交中实现智能体 AI 每瓦吞吐量超 10 倍代际提升。
Google 与 Gentle Monster、Warby Parker 合作的 Gemini 智能眼镜“Intelligent Eyewear”上周开卖,起售价 $395,数日后 Gentle Monster 全系列款式已售罄并停止接受预订。
IEEE Spectrum 记者实地体验了 Remedy Robotics 的 N1 远程取栓机器人系统,探讨远程手术能否让偏远地区的缺血性卒中患者及时接受取栓手术。
特朗普政府周一准备推出针对美国境外AI芯片和数据中心的新出口管制,防止企业尤其是中国企业通过远程访问他国AI基础设施绕过美国出口限制。根据这项临时最终规则,美国商务部将要求企业向全球任何数据中心出口、再出口或转移AI芯片和服务器时申请许可,前提是这些设施可能为中国等受限国家提供算力。
黄仁勋上周辞去英伟达 CEO 职务,随后公司股价下跌 14%,路透社报道他存在第三段婚外情,并牵出英伟达芯片流向中国、DeepSeek 获芯片承诺等指控。CFO Colette Kress 出任临时 CEO,国会议员已就芯片走私等展开调查,公司季度财报将于周二发布。多位分析师认为英伟达的芯片、产能与生态不会因一人离开而改变,但黄仁勋主导的 AI 基础设施融资合作可能受影响。
VicOne 借助 AI 辅助研究,在不到两天内于 Physical AI 生态相关软件与工具中发现 28 个零日漏洞,涉及 Google、NVIDIA、Meta 等开发或维护的项目,初步验证均归类为零日漏洞。其中 75% 的发现集中在开发、训练、仿真或验证工具环节,风险可能在机器人部署前就已埋下。研究人员还演示了利用漏洞使机器人远程停止指令失效的案例。
亚马逊旗下的 Zoox 自动驾驶出租车已在拉斯维加斯通过 Uber 应用上线,这是 Zoox 首次与第三方网约车平台合作。用户叫 UberX、Uber Comfort、Uber Electric、Uber Comfort Electric 或 Wait & Save 时可能被匹配到 Zoox 车辆,初期无法主动选择,但可在设置中开启自动驾驶偏好提高概率。
由朱松纯发起、北京通用人工智能研究院孵化的通芯智能今年4月成立,半年内连续完成种子轮和天使轮融资,合计数亿元,资金主要投入流片前的核心架构设计。公司规划Vector、Tensor与AGI Core三类计算单元,Vector和Tensor支持CNN、Transformer等主流模型,AGI Core面向解析图上的逻辑、因果、价值推理及概率计算做专用加速。
Amazon 旗下 Zoox 的无方向盘无人驾驶出租车从今天起接入 Uber,拉斯维加斯用户下单 UberX、Uber Comfort、Uber Electric、Uber Comfort Electric 或 Wait & Save 时可能被匹配到 Zoox,且不额外收费。
美国参议员 Maria Cantwell 致信商务部长 Howard Lutnick,指责商务部未执行防止 Nvidia AI 芯片流入中国的保护措施,称其"削弱了美国国家安全"。
TransGHOST 提出一种因果参考引导的重建流程,其非生成式安全模式可实时运行,通过仅拟合可见区域的几何变换对已记录帧重采样来恢复被器械遮挡的像素,并给出逐像素置信度与来源标记。
在UrbanTwin Sim2Real LiDAR挑战赛V2X-Real赛道中,参赛方案以0.7457综合得分获第一,检测mAP为0.4382、真实感得分0.9251。三项诊断性修正贡献主要提升:恢复预测与评测真值间的坐标系错配使得分从0.3520升至0.5147;将单一全局NMS改为逐类NMS使整体mAP从0.0751升至0.4295;对真实点云中约31%以(0,0,0)编码的空回波建模。
该方案在 ECCV 2026 DriveX Grand Challenge 的 UrbanTwin Sim2Real LiDAR 挑战赛 LUMPI 赛道获得第一名,综合得分 0.4793,其中检测 mAP 为 0.1333、真实感得分 0.9126。
论文提出 Self-Building Labs(SBL),给定高层科学目标后,系统可自行设计、配置并运行实验室装置,从空房间或已有自驱动实验室出发补齐实验室布局、数字孪生、机器人技能与实验流程。作者称系统已在不同机器人和装置上验证,可从单工位扩展到多机器人协同的实验室,并通过真实量子点合成实验验证端到端能力。研究者的角色从手动配置和编程设备自动化,转为指定科学目标。
研究者提出 D-VLA,一个面向大规模具身基础模型的高并发、低延迟分布式强化学习框架,通过“Plane Decoupling”物理隔离高频训练数据与低频权重控制,并以四线程异步“Swimlane”流水线让采样、推理、梯度计算与参数分发完全并行重叠。在 LIBERO 等基准上,D-VLA 在十亿参数级 VLA 模型的吞吐与采样效率上显著优于主流 RL 框架,万亿参数扩展测试中仍保持稳定与线性加速。
研究提出以专家定义的协议规则为基础评估手术规划,直接衡量协议依从性,而非与单条参考轨迹的相似度。在该框架下,基于相似度的指标会惩罚偏离参考轨迹但符合协议的规划,却奖励表面相似但违反协议的规划。对 Video-LLM 的评估还揭示出视频到状态 grounding 不可靠与规划约束不足两种可分离的失败模式,仅靠模型扩展无法解决,注入结构化知识则能带来稳定提升。
Yichi Zhang 等作者发布 HEIR,一个研究如何利用自我视角意图进行人机交互的数据资源。该数据集将人类语音、实测注视点和自我视角视频与机器人观测及遥操作导航-操作轨迹配对,每个会话保留连续多轮任务,每项请求由多个执行子任务完成。作者通过离线实验评估模型从额外人类中心上下文中的获益,并用真机实验检验执行任务完成情况,演示与数据集已在线公开。
研究团队提出 VOKE 运动学感知框架,可增强现有物体与手-物位姿估计器,输出包含位姿、线速度/角速度及线加速度/角加速度的完整物体运动学状态。在 DexYCB 和 OakInk 上,VOKE 在三种不同骨干网络上均提升物体位姿估计,并显著降低速度与加速度估计误差。
Yifei Huang 等人提出 OneSteer,一种单步扩散全身控制器,将通用运动跟踪与测试时选择性转向结合,通过可微任务代价在冻结权重下优化生成器输入噪声,并用身体分组参考掩码放宽部分跟踪要求。
推荐理由:论文给出单步扩散全身控制器在 Unitree G1 上的实测结果,可看选择性转向如何放宽跟踪约束。
研究者提出 EmbodiExp 框架,将过往任务经验构建为以结果为锚的子目标经验并在新任务中在线组合。在 EmbodiedBench 上,EB-Habitat 与 EB-ALFRED 成功率分别为 68.0% 和 68.3%,无经验存储的智能体为 50.0% 和 54.7%。该框架保留成功子目标经验,并利用显式动作失败识别特定条件下应避免的动作。
作者提出 PingpongDuo,一个面向人形机器人乒乓双打的分层框架,让两名队友严格交替击球并在共享空间内安全协同。团队层规划器联合选择站位目标,并用学习到的风险评估过滤危险方案,优先保留当前击球者的目标;个体层将步法与击球技能分开训练,借助人类双打步法参考和仿真校准的球拍臂残差优化击球。
研究团队为二自由度双边力反馈遥操作设备加装视觉触觉传感器与32像素触觉显示器,在操作者指尖还原机器人手指的空间接触图案。在按钮辨别与滚柱任务中,这种空间分布触觉反馈减少了多余动作和完成步骤,显著缩短任务完成时间,并使不同操作者的演示更一致。用触觉增强演示训练的自主策略也出现任务时间与偏离自然人类行为程度的下降。
研究团队为商用轮足机器人 Go2-W 构建了基于深度强化学习的运动控制器与自主导航系统,并在 Tsukuba Challenge 2025 上完成约 2.8 公里路线测试,途经人行道、公园和楼梯,全程未因过热停机。团队将此前用于四足机器人的纯本体感知策略扩展到这台 16 自由度轮足机器人,并发现轮式行走会把负载集中在髋关节、造成热量聚集,为此设计了周期性抬脚动作来分散关节负载、缓解热量集中。
研究提出 Sequential Asymmetric Imitation(SAI),用单遥操作者课程让两台双臂移动操作机器人通过刚性与可变形物体耦合协作,无需双操作者同步演示或机器人间显式通信。
作者提出 E0,一个 Tweedie 离散扩散框架,把 VLA 的动作生成建模为对量化动作 token 的迭代去噪,以对齐预训练 VLM/VLA 的 token 式推理并支持细粒度可执行控制。在 LIBERO、VLABench、ManiSkill 和真实 Franka 机械臂上的实验显示,E0 平均超过强基线 8.1%。该工作已被 NeurIPS 26 接收。
STITCHER 是一个无需优化的轨迹规划框架,通过图搜索把短轨迹段拼接成实时、长距离且近最优的轨迹。仿真中它可在几毫秒内为跨越两个 50 m x 50 m 环境的路径生成安全轨迹,并在自制四旋翼上以最高 63 km/h 飞行验证了倾角与电机力等非凸约束下的实时可跟踪路径。
研究提出一种面向连续体机器人的连续时间随机状态估计框架,基于受白噪声高斯过程扰动的连续时间运动学因子,结合简单机器人模型与高频传感,可适应未建模外力和数据丢失。方法输出机器人位姿、速度与应变的均值及协方差,并可在空间和时间上连续插值,估计过程中还能纳入异步测量。该方法已用搭载陀螺仪与位姿传感器的连续体机器人验证,并被 IEEE Transactions on Robotics 接收。
论文提出收缩认证采样型模型预测控制 CS-MPC,在每次采样 rollout 内使用收缩认证的跟踪反馈,并通过分位数收紧的离散时间控制屏障函数条件校验实际输入。在 rover、四旋翼和小行星着陆仿真中,CS-MPC 相比标准 MPPI 在 rover 上以少 7 至 20 倍的 rollout 达到相同跟踪误差,四旋翼跟踪误差降低 2 至 4 倍,200 次蒙特卡洛任务无安全违规。
Jiaming Tang、Song Han 等提出 PEAR 后训练引擎与 robot-use 强化学习(RURL),让开源 27B 推理模型完全在仿真中、无需示教即可学会原生使用真机。
推荐理由:论文给出纯仿真强化学习训练开源 27B 模型原生操作真机的完整方法与迁移数据,可对照 VLA 微调路线。
研究提出基于互补约束的摩擦模型,在库仑摩擦假设下预测连续体机器人与环境交互产生的静摩擦、滑动摩擦与迟滞行为及相应形变,并可实时实现。在287.9 mm长的绳驱连续体机器人上验证,末端最大位置误差从无摩擦模型的45.4 mm降至5.85 mm。该工作已被IJRR接收。
研究团队发现,Unitree G1 与学习型给予者在交替 PPO 自博弈训练后,与自家伙伴交接成功率达 95% 和 90%,但与未见过的脚本伙伴仅 31%。原因是共享奖励下给予者总是立即开始递送,接收方只学会单一会合时机,将伙伴延迟一秒即把成功率从 95% 降至 6%。团队提出隐藏起始延迟随机化(HSD),再训练 300 次更新后,陌生伙伴成功率升至 80%,高力接触减少三到五倍。
研究团队在仿真中训练强化学习策略并迁移到现实,让一台 John Deere 332G 5 吨滑移装载机自主完成双轮抬升、双轮平衡行驶、按轨迹运动、原地旋转和铲斗摆动后安全落回四轮等动作。作者称这些动作此前只有少数顶尖人类操作手在世界纪录表演中完成,该工作已发表于 Science Robotics。
论文提出 PROOF 感知运动框架,让腿足机器人在严重视觉干扰下仍能稳定行走。方法采用两阶段师生学习,教师同时学习感知驱动与本体感知回退行为,学生预测外感知特征的不确定性并在分布外输入时抑制这些特征。