表征、VLA与世界模型难以合流,机器人基础模型的下一个拐点是统一接口吗
文章围绕富士通、卡内基梅隆大学等机构2026年9月3日发布的综述《Toward Unified Robot Learning: Bridging Representation, Vision-Language-Action, and World Models》,讨论表征学习、VLA与世界模型三条路线各自独立发展带来的衔接难题。
文章围绕富士通、卡内基梅隆大学等机构2026年9月3日发布的综述《Toward Unified Robot Learning: Bridging Representation, Vision-Language-Action, and World Models》,讨论表征学习、VLA与世界模型三条路线各自独立发展带来的衔接难题。
ICLR 2026的StreamSplat实现纯前馈、在线、从未标定视频流直接生成动态3DGS,速度比优化方法快1200倍。但CVPR 2026的MoRe在纯前馈流水线中主动嵌入BA-like精化模块,移除后Sintel ATE从0.147升至0.155;ICCV 2025 Oral的BA-Track则用3D点追踪器分解相机与物体运动,让经典BA适配动态场景。
Caltech CAST 主任 Aaron Ames 认为,人形机器人进入社会前最关键却缺失的是安全,缺乏明确安全标准必然导致有人受伤;他指出当前演示多由性能驱动,很少有公司在认真考虑安全部署。
石麻笔记采访了VPP的两位一作胡钰承和郭彦江(清华大学交叉信息学院陈建宇老师博士生),围绕VPP、BagelVLA、Ctrl-World三个工作展开。
本文是对CVPR 2025最佳论文VGGT与CVPR 2026最佳论文入围工作VGGT-Ω一作王建元博士的访谈,他目前在Oxford Visual Geometry Group和Meta AI联合培养读博。