计算机视觉标签_DAMO开发者矩阵

计算机视觉

具身操作数据金字塔：综述

26年7月来自北京大学、南洋理工、香港科技大学、新加坡国立、香港中文大学、香港大学、杜克大学、加州伯克利分校、乔治城大学、南京大学和上海交通大学的论文“Data Pyramid for Embodied Manipulation: A Survey”。这篇综述的主要价值，是把具身操作的数据来源、采集方式、监督信号和模型用途放进同一个框架。它提供了一张较完整的数据地图，但尚未给出经过充分验证的“最优

 硅谷秋水
4小时前

 127

#机器学习 #人工智能 #机器人 +3
【World Model】（Arxiv2601）LingBot-VLA：A Pragmatic VLA Foundation Model

LingBot-VLA 是由蚂蚁集团提出的实用型视觉-语言-动作（VLA）基础模型，基于约20,000小时来自9种双臂机器人的真实世界数据训练而成。通过在4种机器人平台上对100项任务进行大规模评估，该模型展现出卓越的泛化能力与任务成功率，且性能随数据量增加持续提升，未见饱和。研究还构建了高效代码库，在8卡配置下实现每秒261样本吞吐量，较现有框架提速1.5–2.8倍。论文开源代码、模型与基准数据

 若叶€枫璨
6小时前

 73

#论文阅读 #计算机视觉 #人工智能
AutoBio 复现笔记：单张 RTX 5090 + 5000 步 LoRA，实验室机器人成功率从 0% 做到 90%

在单张RTX 5090（24GB显存）上，仅用5000步LoRA微调，成功将π0模型在AutoBio基准中“关闭热循环仪盖子”任务的机器人成功率从零样本的0%提升至90%（18/20），训练成本仅为上游全参数微调的1/200。通过修复上游代码缺陷、适配sm_120架构与无头渲染，实现消费级硬件跑通复杂生物实验任务，验证了LoRA在低成本下高效迁移的可行性。

2301_77297031
8小时前

 122

 1

#机器人 #人工智能 #机器学习 +1
点云标注-目标检测

面向自动驾驶与机器人具身智能的点云标注平台，支持目标检测与语义分割，涵盖标注、审核、质检、验收全流程，可配置化管理。具备目标ID跨帧追踪、批注/修复、标签属性灵活配置等功能，助力高效数据标注与算法训练。

weixin_46691849
13小时前

 144

 2

#目标检测 #人工智能 #计算机视觉
VLA 系统学习第 1 课：VLA 到底在干什么？

并重点弄清楚 Observation、Robot State、Language、Action，以及 Action 为什么还不是电机命令。

朝朝辞暮383
1天前

 413

 5

#python #人工智能 #计算机视觉
【具身智能】Spotter：免训练外挂VLM反思，小模型主导执行的异步自愈新范式

本文解析最新具身智能重磅研究 Spotter。针对传统 VLM-led 串行阻塞、端到端高延迟的痛点，Spotter 提出“小模型主导执行、VLM 异步巡检与关键帧反思”的全新协作范式。框架具备 Training-free（免微调训练）、开箱即用特性，真实机械臂成功率达 83%，执行耗时直降约 70%，代码已全面开源

 zhaoqichao258
1天前

 493

 4

#python #机器学习 #人工智能 +2
arXiv 2026 |Earth-OneVision：扩展遥感多模态大语言模型以支持更多传感器模态和任务

Earth-OneVision提出一种统一多模态遥感大模型架构，通过全粒度视觉语言对齐（FGVLA）、空间语言同构序列化（SLIS）与渐进式跨模态适配（PCMA），实现2B参数模型对6类传感器、9大任务的统一建模。创新性地将中间视觉层特征注入语言模型早期层，并将检测框、掩码等空间结果编码为离散Token，共享自回归解码器。构建3400万条指令数据集，在24个基准上表现媲美4B–72B模型，推动遥感

 evagyf
2026-10-04 13:49:09

 357

 3

#语言模型 #人工智能 #自然语言处理 +2
【IEEE出版、河南省科学院、河南工业大学联合主办】2026年计算机视觉与具身智能国际学术会议（CVEI 2026）

【IEEE出版、河南省科学院、河南工业大学联合主办】2026年计算机视觉与具身智能国际学术会议（CVEI 2026）

leisigoyle
2026-10-03 09:00:00

 415

 6

#计算机视觉 #人工智能 #大数据
InternW0：面向高效现实世界交互的基础物理世界模型

26年9月来自上海AI实验室的论文“InternW0: A Foundational Physical World Model for Efficient Real-World Interactions”。它最有价值的地方，是把视频预测、实时控制、异构数据预训练和接触反馈整合成可执行的机器人系统；但其“通用物理世界模型”定位，仍超出了当前实验充分验证的范围。

硅谷秋水
2026-10-02 00:15:00

 742

 16

#机器人 #计算机视觉 #语言模型 +1
感知型神经网络——深度学习中的传感信息处理方法

地面移动机器人和车辆的运动本质上是二点五维的——它们在一个近似平面上移动，垂直方向的变化有限。把所有传感器信息都变换到以地面为基准的俯视平面上。俯视图（Bird’s-Eye View，BEV）的好处是具体的。这个空间里尺度是恒定的，不像图像里近大远小；物体不会互相遮挡叠置；多个传感器的数据天然对齐在同一张网格上；而且下游的路径规划本来就在这个平面上工作，不需要额外转换。技术上的关键难点是如何把二维

 love you joyfully
2026-10-01 20:58:08

 569

 3

#计算机视觉 #人工智能 #深度学习
《Auto‑adjusting Camera Exposure for Outdoor Robotics using Gradient Information》完整步骤详细总结

本文提出一种基于梯度信息的相机曝光自动调节方法，针对室外机器人在大动态光照下传统AE易丢失细节的问题。通过最大化图像梯度信息量作为评价目标，结合γ-校正软件仿真与五阶多项式拟合，预测虚拟最优曝光，并采用非对称比例反馈闭环迭代更新快门与增益，优先调节快门以抑制噪声。实验表明，该方法显著提升行人检测与视觉里程计性能，保留更多边缘纹理特征，有效适应复杂光照变化。

大熊背
2026-10-01 10:00:00

 550

 11

#计算机视觉 #人工智能
WLA³：面向语义、动力学与运动学的世界潜动作建模

26年9月来自京东集团研究院的论文“WLA³: WORLD LATENT ACTION MODELING FOR SEMANTICS, DYNAMICS, AND KINEMATICS”。这篇论文 WLA³ 的核心价值，是将异构数据中的“状态变化”转化为统一监督，同时用于视觉语言理解、动力学建模和机器人控制。它提供有价值的系统设计和初步实机证据，但尚未充分证明学到跨具身、可干预的通用动作空间。

硅谷秋水
2026-10-01 00:15:00

 457

 6

#机器人 #语言模型 #计算机视觉 +2
边端侧AI SoC的集成化突围：CH37系列如何用7.29平方厘米解决多芯片堆叠难题

2026年，边端侧AI加速落地，诚恒微电子发布CH37系列SoC，以7.29平方厘米、7.7克封装集成64 TOPS算力，突破多芯片堆叠带来的延迟、带宽与能耗瓶颈。通过单芯片整合CPU、NPU与ISP，实现低延迟数据交互与多模态融合感知，支撑本地AI推理与自主决策。该芯片赋能智能机器人、无人机等终端，推动云-边-端协同架构发展。嵌入式工程师需掌握集成化编程、多传感器融合与模型部署新技能，迎接端侧智

 2301_80821641
2026-09-30 22:28:11

 304

 2

#人工智能 #计算机视觉 #嵌入式
计算机视觉28：世界模型与视频扩散

本课探讨视频扩散模型如何演变为可学习的世界模拟器。纯视频生成模型（如Sora 2）仅凭提示生成视频，而动作条件化世界模型（如Genie 3、GWM-1 Worlds）可通过动作预测未来帧，实现交互式模拟。核心架构采用时空3D分块与旋转位置编码，结合联合注意力机制。该范式已广泛应用于自动驾驶（如NVIDIA Cosmos-Drive）与机器人技术——通过VLM规划、视频模型模拟、逆动力学执行构成闭环

 weixin_42799533
2026-09-30 13:25:52

 350

 2

#计算机视觉 #音视频 #人工智能 +3
IMU的漂移有多严重？加速度计、陀螺仪、磁力计的标定实战

IMU标定的精度直接决定了机器人姿态估计的精度。姿态估计又是视觉定位、SLAM、运动控制的基础。一个具体的链路：IMU提供姿态角→姿态角用于将相机坐标系下的目标位置转换到世界坐标系→如果IMU有1°的姿态误差，一个5米外的目标在水平方向上的定位误差就会达到约8.7厘米。对于抓取任务来说，这个误差已经足以导致抓取失败。这也是为什么在端侧视觉定位系统中，IMU标定的重要性不亚于视觉模型本身的精度。

OmAgentVLX
2026-09-29 14:33:55

 306

 1

#人工智能 #机器人 #计算机视觉 +2
水下机器人导航系统调研：VSLAM与声纳、惯导融合的现状与边界

水下没有GPS——电磁波穿不透海水，机器人一下水就和全球导航卫星系统彻底失联。行业通用的答案是"声学+惯性+光学"的多传感器融合：惯导和多普勒计程仪（DVL）做航位推算打底，超短基线（USBL）/长基线（LBL）水声定位提供绝对坐标修正，相机和成像声纳负责近场感知。国内外研究则在这条工程主线上，探索把VSLAM（视觉同步定位与建图）真正纳入水下导航闭环。

PascalXie
2026-09-29 09:41:25

 261

 3

#机器人 #计算机视觉
用于机器人学习与控制的世界-动作模型：综述

26年9月来自阿联酋 MBZUAI 、加州理工、亚马逊公司FAR、维吉尼亚大学、乔治亚理工、纽约大学和加州伯克利分校的论文“World-Action Models for Robot Learning and Control: A Survey”。这篇论文的核心观点是：机器人不仅需要知道“下一步做什么”，还需要预测“这样做会带来什么后果”，并将这种预测转化为可执行、可纠错的动作。世界-动作模型（

硅谷秋水
2026-09-29 00:15:00

 800

 6

#机器人 #人工智能 #机器学习 +2
给AI训练照片“整容“：一个让机器人认路更靠谱的新方法

给AI训练照片"整容"：一个让机器人认路更靠谱的新方法

 至顶头条
2026-09-28 22:53:13

 146

#计算机视觉
【World Model】（CVPR 2026）Motus: A Unified Latent Action World Model

Motus（CVPR 2026）提出一种统一的潜在动作世界模型，通过混合Transformer（MoT）架构融合视觉-语言理解、视频生成与动作专家，实现五类具身建模范式的统一：VLA、WM、IDM、VGM与联合预测。引入基于光流的潜在动作表示，结合六层数据金字塔与三阶段训练流程，实现跨具身体的动作先验迁移。实验表明，该模型在仿真与真实场景中显著优于X-VLA和π⁰.⁵，性能提升达+15%至+48%

若叶€枫璨
2026-09-28 17:34:12

 354

 3

#学习 #多模态 #语言模型 +1
水下机器人除了声纳，还能用什么感知方案？

水下环境的特殊性在于：电磁波和激光被水快速吸收，陆地上一套视觉、雷达方案基本失效。行业长期依赖声纳，但声纳分辨率低、体积大、成本高，小型水下机器人往往"只带相机、不敢近距作业"。，用于海底地形与风机桩基、海缆、水下设施等目标物的三维重建。2D影像时代正在让位给3D感知时代。

PascalXie
2026-09-28 11:12:09

 233

 4

#机器人 #计算机视觉
物理AI与具身智能，到底有什么区别？

物理AI强调AI在真实世界中的感知与控制能力，如工业质检、自动驾驶；具身智能则要求AI拥有身体并在环境中自主行动，如人形机器人、AMR。二者区别在于：物理AI重“交互”，具身智能重“身体+自主”。钡铼技术EA系列边缘AI计算机，凭借高算力与模块化设计，同时支撑物理AI的闭环控制与具身智能的自主决策，成为工业场景中实现AI落地的关键硬件平台。

钡铼技术
2026-09-28 11:11:12

 449

 3

#人工智能 #计算机视觉 #arm开发 +1
电力设备目标检测数据集 | 电力设备变电站巡检部件识别目标检测 YOLO格式 9127期

本数据集专注于变电站场景下多类电力设备的视觉检测，服务于电力巡检、设备状态评估及运维管理。数据涵盖16类变电站核心设备部件，适配无人机巡检、机器人巡检及固定监控的自动化识别应用。

鸭蛋粉
2026-09-28 10:26:33

 173

 1

#目标检测 #人工智能 #计算机视觉 +1
先剔后识：OpenCV三维预处理与YOLO语义检测协同的机器人视觉系统可行性分析

在立体匹配环节，半全局匹配算法（SGBM）生成的视差图“满足一定精度，计算速度接近实时”，在MiddleBurry数据集上的测试表明，640×480分辨率下SGBM的计算时间约为40ms。深度图中的无效值、超出工作距离的远背景、与地面拟合的平面点，都可以在毫秒级时间内通过OpenCV的基础算子完成标记和剔除。在动态SLAM场景中，YOLOv8s语义分割模块处理RGB图像提取语义信息和物体掩码后，通

 初学大模型
2026-09-27 08:31:58

 234

 5

#人工智能 #opencv #机器人 +1
Science Robotics | 让柔性内窥镜“自己找路”：磁驱动机器人如何突破大型腔体微创手术的极限

苏黎世联邦理工学院团队研发磁驱动柔性内窥镜，结合实时图像拼接与基于图像的自主导航，在活体绵羊模型中成功实现胎儿镜激光凝固术。该技术突破柔性器械在开放腔体中“无约束漂移”难题，通过纯图像反馈控制消除手部震颤，提供全局视野，显著提升手术精度与安全性，降低医生负荷，为微创手术在子宫、胃、膀胱等大型腔体中的应用带来重要突破。

xwz小王子
2026-09-25 21:27:58

 198

 1

#机器人 #人工智能 #计算机视觉
激光雷达的四种技术路线：机械式、MEMS、OPA和FMCW

如果说相机是机器人的“眼睛”，激光雷达就是机器人的“触角”——它用激光束主动探测周围空间，直接获取精确的三维距离信息。但在“如何让激光扫描空间”这个问题上，四种技术路线给出了完全不同的答案。这篇文章从物理原理出发，横向对比机械式、MEMS、OPA和FMCW四种LiDAR技术路线的工程成熟度，帮你理解它们各自适合什么场景。

OmAgentVLX
2026-09-24 11:03:56

 301

 3

#机器人 #人工智能 #计算机视觉 +3
RoboEdit：将人类操作视频转化为可扩展的机器人经验

26年8月来自UCLA、MIT和Utah大学的论文“RoboEdit: Turning Human Manipulation Videos into Scalable Robot Experience”。该文在机器人数据构建与视频编辑方面有较强的系统价值，但对“生成数据能否规模化提升机器人实际能力”的证明仍比较初步。最有说服力的是成对数据管线和编辑效果，最需要补强的是物理可执行性、三维状态精度和

 硅谷秋水
2026-09-24 00:15:00

 156

 1

#计算机视觉 #人工智能 #机器人 +1
给机器人取六个常见字的名字叫什么？

你从“四个字常见字”问到“六个字常见字”，核心矛盾一直没变：你要的“常见 + 能当品牌用”，在法律上不存在。如果你真的想要一个能属于自己的机器人名字，唯一的路径是接受名字不那么“常见”，走自造词路线（比如“燧岩”“星枢”）。1. 山河动力机器人（山、河、动、力、机、器、人）2. 日月星辰机器人（日、月、星、辰、机、器、人）3. 金木水火机器人（金、木、水、火、机、器、人）4. 春夏秋冬机器人（春、

金蝶软件小李
2026-09-23 13:54:26

 171

#计算机视觉 #深度学习
给机器人配“眼睛”：全局快门、卷帘快门和RGB-D怎么选？

机器人的视觉系统和人眼有一个本质区别：人眼能自适应地处理动态场景，而相机的传感器架构在出厂时就已经确定了它能“看见”什么、看不清什么。选错了传感器类型，后面所有的视觉算法都会在一个先天不足的输入上挣扎。这篇文章从CMOS和CCD的物理差异出发，拆解卷帘快门的运动伪影问题，然后对比结构光和ToF两种深度获取方案的误差模型，帮你建立一套完整的视觉传感器选型框架。

OmAgentVLX
2026-09-23 13:16:18

 274

#人工智能 #机器人 #计算机视觉
不只是算力盒子：从Jetson开发者征文，看钡铼技术EA系列如何让“小众玩法”落地工业现场

2026年NVIDIA Jetson边缘AI征文展现19个“小众又惊艳”的落地场景，涵盖工业巡检、机器人、本地大模型与无障碍辅助。钡铼技术EA系列基于OrinNano/OrinNX平台，提供6-275TOPS算力，以工业级宽温（-20~+75℃）、丰富接口（GMSL2/CANFD/RS485）及OOB远程运维，将开发板原型转化为可量产、可部署的工业级方案。从视觉检测到视障辅助，EA系列打通从实验室

 钡铼技术
2026-09-23 10:36:52

 282

 1

#嵌入式硬件 #python #人工智能 +4
TrAct：用视觉轨迹把机器人的“预测“和“控制“接起来

TrAct提出以视觉轨迹替代动作作为世界模型与策略的共享接口，解决动作条件化预测中因本体差异和欠定映射导致的幻觉问题。通过联合预测动作与2D轨迹（夹爪+场景网格点），并用轨迹条件化世界模型生成可评估的未来画面，再以视觉-语言模型在图像空间直接对照指令打分，实现更可靠的闭环决策。该方法将评估锚定于可解释的图像空间，显著提升仿真（0.27→0.55）与真机任务成功率（0.49→0.76），并在视频质量

 Hermit_Rabbit
2026-09-22 23:07:03

 302

#计算机视觉
世界动作模型近期工作：从预测未来到指导行动

世界动作模型（WAM）旨在让机器人在统一框架下同时解决“执行动作后世界如何变化”与“应采取何种动作达成目标”两大问题。区别于传统视频生成模型，WAM聚焦于行动相关的未来表征，摒弃对无关视觉细节的过度建模。其核心在于将未来预测作为训练监督或推理工具，而非必须生成完整视频。当前研究呈现三类路径：显式联合生成未来与动作（如GR-1、UD-VLA）、仅用未来辅助训练（如LiLa-WAM）、测试时以未来模拟

 Hermit_Rabbit
2026-09-22 23:05:59

 361

 1

#计算机视觉 #人工智能
GE-Act 2.0 深度解析：世界模型怎样真正接入机器人控制

GE-Act 2.0 探索大规模操作数据对通用机器人能力的提升，构建基于世界-动作模型（WAM）的框架，通过控制导向自动编码器（CoAE）、未来视觉规划（SVP）与逆动力学模型（IDM）实现零样本分布外泛化。在100项原子任务上，G1-OP成功率从17.1%升至44.1%，G2-90D从13.4%升至31.1%，验证了数据规模扩展的有效性。系统以低维潜变量连接感知与动作，支持滚动重规划与多本体兼容

 Hermit_Rabbit
2026-09-22 23:02:40

 575

#计算机视觉
OpenMAIC 使用指南：如何把一份材料变成可互动的 AI 课堂

OpenMAIC是由清华THU-MAIC团队开源的互动课堂系统，能将文本、PDF、音视频等材料转化为包含幻灯片、测验、互动页与项目任务的完整课程。与普通聊天机器人不同，它注重学习流程设计，支持从主题输入到大纲审核、课程生成与动态修改的全流程管理。用户可通过在线版快速体验，或通过本地部署实现私有化与深度定制。在PRO专业模式下，可精细化调整时间轴、角色阵容与教学技能，实现高效迭代。课程播放时支持实时

 Hermit_Rabbit
2026-09-22 23:01:54

 428

#计算机视觉 #人工智能
RK3566 行人跟随功能开发

本系统基于RK3566开发板，采用YOLOv5与IOU跟踪算法实现行人检测与跟随。通过NPU加速推理，结合预处理、后处理及速度控制逻辑，确保机器人稳定跟随目标。使用rknn-toolkit-lite2完成模型转换与部署，支持自动锁定首行人并保持其在图像中央，具备死区与速度下限防抖机制。系统在Ubuntu 22.04环境下运行，依赖ROS2与Python虚拟环境，可实时查看检测结果与控制指令，适用于

 Alpha狗蛋
2026-09-22 17:08:02

 125

#机器人 #计算机视觉
YOLOv5 到 YOLO26：一文看懂 YOLO 的版本演进

如果你关注计算机视觉、自动驾驶、机器人或者 AI 应用，大概率都听过 YOLO。从，一路发展到，版本号越来越大。答案其实没有这么简单。因为从 YOLOv5 开始，YOLO 已经不再是一条由同一个团队持续维护的单一技术路线，而是多个团队围绕不断演进，形成了多条并行发展的技术分支。所以，一、先搞清楚：YOLO 到底是什么？YOLO，全称 You Only Look Once，最早由 Joseph Re

木子兮china
2026-09-22 15:06:37

 230

#视觉检测 #计算机视觉
YOLO26创新点-通俗解读

YOLO26不是单纯堆精度的模型，它的设计出发点是工业落地。通过移除DFL、无NMS推理简化部署；依靠STAL+ProgLoss保住小目标精度；MuSGD优化器提升训练稳定性；同时增强分割、姿态、旋转OBB能力，并且大幅优化CPU推理性能。对于工业检测、机器人、嵌入式边缘视觉项目，YOLO26是一个部署友好度很高的选择。本文仅做技术原理科普，欢迎大家在评论区交流YOLO26训练、部署踩坑经验。

高大黑白涂鸦
2026-09-22 14:02:52

 150

 1

#深度学习 #计算机视觉
葡萄园行间分割数据集 | 葡萄园行间语义分割自主导航农业机器人精准农业9103期

本数据集专注于葡萄园行间自主导航所需的语义分割，服务于农业机器人、精准农业及自动化植保。数据采集自真实葡萄园行间，涵盖不同天气、时段及地形条件，适配机器人视觉导航、行间路径识别及避障等应用。

鸭蛋粉
2026-09-21 20:42:53

 194

 1

#目标检测 #目标跟踪 #人工智能 +1
告别单一立杆监控！多终端 AI 协同执法，开启立体化智慧交管新范式

搭配城区机巢，无人机 5 分钟可达重点路段，单次巡逻预警 30 余台违停车辆，自动完成识别、取证、短信告知，形成完整执法闭环。机器人交警可复刻交通指挥手势，依托 AI 视觉识别行人闯红灯、非机动车不戴头盔、越线停车等行为，语音劝导，弥补人工执勤短板。随着 AI 视觉、北斗定位与智能终端技术落地，交管执法从单点静态抓拍，升级为空地多终端协同的立体化智能执法体系，大幅压缩交通违法侥幸空间。设备内置高清

 小蒋观天下
2026-09-21 15:50:16

 90

#安全 #人工智能 #计算机视觉 +1
智能执法全面升级：空地多终端构建立体交管体系

同时依托AI视觉能力，自动识别行人闯红灯、非机动车越线停车、骑行不戴头盔等不文明交通行为，并进行实时语音劝导，实现柔性化、常态化、无人化交通治理。无人机、AI智能执法眼镜、无人巡逻车、机器人交警全面上岗，形成空中巡查、地面值守、移动筛查的立体化管控格局，彻底补齐传统交管的监管短板。无人巡逻车搭载多目高清感知设备，可自主规划巡控路线、自动巡查路面状况、实时回传现场画面至指挥中心，能够主动抓拍车辆违停

 小蒋观天下
2026-09-21 15:28:38

 182

 1

#人工智能 #计算机视觉 #安全 +1
高校 AI 教研参考｜大模型智能体与具身智能完整技术学习路线

当前大模型 Agent、具身智能技术迭代快，很多高校老师面临新课备课缺少完整实战案例、源码实验环境不足的难题。本文梳理大模型智能体、视觉大模型 + 具身智能完整技术栈，同时分享面向高校教师的线上实战研修项目，覆盖 Transformer、RAG、MCP、多智能体、SAM、ROS‑SLAM、VLA 等内容，配套完整源码与实验案例，可服务课程建设与科研原型开发。

山东巨特信息张存瑞
2026-09-21 13:30:01

 124

 1

#人工智能 #计算机视觉 #机器学习 +2
AI摄像头抓拍全面升级！7类“灰色违章”进入精准打击时代

依托北斗定位+AI视觉算法，无人机可自动识别违停、压线、占道，5分钟内快速抵达重点路段，单次巡逻可预警违法车辆30台以上，实现“识别—抓拍—取证—推送—处罚”全闭环。AI视觉系统通过多帧连续图像、轨迹分析，精准判定车辆越线、闯灯、抢黄灯行为，完整记录车辆位置、行驶轨迹、信号灯状态，自动合成图片与视频证据，几乎不存在执法争议。同时，无人机、AI执法眼镜、机器人交警、无人巡逻车等新型终端全面上岗，交通

 小蒋观天下
2026-09-21 11:55:49

 329

#人工智能 #计算机视觉 #大数据 +1
人形机器人的“眼睛“：多目视觉方案怎么选？

人形机器人对视觉的要求和轮式机器人不同：要同时满足宽视场感知、动态环境自定位、全身避障补盲。单相机很难兼顾，多目方案成为主流。

PascalXie
2026-09-21 09:54:19

 215

#机器人 #计算机视觉
OM-1：前沿机器人智能，直接向人类学习

26年9月来自创业公司Reward AI的博客文章“OM-1: Frontier Robot Intelligence, Learned Firsthand from Humans”：https://www.rewardai.com/blog/OM-1/。这篇博客介绍了 Reward AI 的机器人系统 Omnibody 和核心模型 OM-1。核心思路是：直接从人类自然操作中学习，再让同一个策略模

 硅谷秋水
2026-09-21 00:15:00

 468

 2

#语言模型 #机器学习 #机器人 +2
服务机器人避障用的深度相机，主流选型有哪些？

送餐、酒店配送、商用清洁机器人这几年放量很快，核心传感器基本都是深度相机。选型主要看四点：测距范围、抗环境光能力、是否带端侧算力、供货与生态。

PascalXie
2026-09-20 16:01:35

 129

 1

#机器人 #计算机视觉
“伟大征程 100”：评估具身智体的100 项细节-导向任务

26年1月来自上海交大RHOS AI 团队、SII和阿里蚂蚁Robbyant的论文“The Great March 100: 100 Detail-Oriented Tasks for Evaluating Embodied AI Agents”。GM-100基准的构建流程首先收集现有的机器人任务，随后利用HAKE [27]进行语义扩展，并结合基于大语言模型（LLM）的生成技术，以涵盖长尾交互场景

 硅谷秋水
2026-09-20 00:15:00

 337

 4

#机器人 #计算机视觉 #语言模型 +1
RoboChallenge：具身策略的大规模真实机器人评估

25年10月来自Dexmal 和Hugging Face的论文“RoboChallenge: Large-scale Real-robot Evaluation of Embodied Policies”。 RoboChallenge 提出一套面向VLA(视觉-语言-动作)模型的大规模真实机器人在线评测系统,

硅谷秋水
2026-09-20 00:15:00

 825

 2

#机器人 #语言模型 #计算机视觉
RoboLab：用于分析机器人任务通才策略的高-保真仿真基准

RoboLab 提出一种评估框架，旨在实现对现实世界策略的大规模评估。通过引入一套用于生成新场景和任务的精简流程，RoboLab 实现快速扩展，从而能够有效测试策略的泛化能力。配套的基准测试集 RoboLab-120 引入多种评估维度以及一系列指标和分析工具，并展示与现实世界基准测试高度一致的相关性。

硅谷秋水
2026-09-19 00:15:00

 442

 1

#机器人 #机器学习 #计算机视觉 +1
水果检测数据集-832张水果检测YOLO数据集-苹果、香蕉、橙子、菠萝-labelimg标注-数据标注-YOLO数据集

这是一套面向 YOLO 目标检测训练的水果识别数据集，数据包含完整水果、切面、不同包装、近远景和多类桌面背景。data.yamlAppleBananaCube6OrangePineapple也就是苹果、香蕉、Cube6、橙子和菠萝。虽然数据集标题重点介绍橙子、菠萝、香蕉和苹果，但配置文件中确实包含第五类Cube6，训练时不能忽略。水果目标检测与分类生鲜分拣和自动识别颜色、形状与外观对比YOLO 系

 斌擎人工智能官方账号
2026-09-18 22:14:07

 115

#计算机视觉 #人工智能
机器人该用MQTT、gRPC还是WebSocket？

开发者用。

OmAgentVLX
2026-09-18 14:36:33

 161

 2

#机器人 #人工智能 #计算机视觉