Dreamer
PulseAugur coverage of Dreamer — every cluster mentioning Dreamer across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Sharpa 发布 D01 机器人、高级手部和数据手套，实现灵巧操控
由禾赛科技前团队成员创立的公司 Sharpa 发布了一系列旨在推进机器人灵巧操作的产品。其新款 D01 humanoid 机器人具备全身触觉传感以及高速高精度操作能力。与之配套的是 W02 灵巧手，该产品已小型化并针对更精细的控制和更广泛的触觉覆盖进行了优化，甚至通过减少自由度来提高可靠性。此外，Sharpa 还推出了 AE01 数据手套，支持高保真遥操作和触觉反馈，并能捕获详细的人类操作数据以供机器人学习。
-
新框架标准化基于心电图的情感识别基准
研究人员开发了新的开源框架，情感表示与分类研究（ARRC）和情感研究数据集工具包（ARDT），以标准化用于心电图（ECG）情感识别的深度学习模型的评估。通过使用ARDT将三个公共数据集（CUADS、ASCERTAIN和DREAMER）整合到一个更具多样性的单一数据集中，然后应用ARRC进行严格的基准测试，该研究旨在提高这些模型的泛化能力。研究结果为模型复杂性与分类准确性之间的平衡提供了见解，为该领域未来的研究建立了一个可复现的基准。
-
新的后门攻击针对AI世界模型以进行控制系统
研究人员发现了一个新的预训练世界模型供应链漏洞，这些模型用作控制任务的模拟器。攻击者可以在模型检查点中嵌入后门，从而劫持下游控制器。这种攻击通过在存在触发器时微妙地重塑模型的潜在动态来实现，导致控制器在没有明确的触发器到动作规则的情况下采用攻击者期望的动作。中毒的模型仍然可以通过标准的干净数据诊断，在干净的任务上保持显著的性能，并且攻击的效果是时间门控的，在移除触发器时会消失。
-
盛趣科技Motus2赋能机器人实现闭环学习自我进化 · 追踪2个来源
盛趣科技发布了其具身智能世界模型Motus2，旨在通过行动、预测和评估的闭环系统使机器人能够自我进化。该新模型整合了视觉、语言、动作和触觉等多种模态，并通过利用自身预测和评估来优化策略，探索递归自我改进（RSI）。Motus2还融入了记忆功能，并利用大规模人类第一人称（Ego）数据来训练高自由度机械手执行复杂操作任务。
-
DayDreamer项目使用Dreamer算法实现自主机器人导航
DayDreamer项目利用Dreamer算法使机器人在不熟悉的环境中自主运行。该项目专注于开发能够预见并规划不可预见情况的AI代理，特别是在物理AI应用中。
-
新研究利用先进网络和预训练方法解决脑电图情感识别问题
两篇新研究论文探讨了基于脑电图（EEG）的情感识别的先进技术，以应对受试者间变异性的挑战。第一篇论文介绍了组共振网络（GRN），该网络结合了使用可学习原型和同步性度量的个体脑电图动态与群体共振建模。第二篇论文提出了一种名为“万能模型”（One Model for All）的通用预训练框架，旨在通过将学习分解为单变量预训练和多变量微调阶段，来稳定和改进跨异构数据集的模型。这两种方法都旨在提高情感识别模型的泛化能力和性能。
-
Reinformed Dreamer 算法通过潜在引导增强强化学习
研究人员推出了一种新颖的非对称世界模型 Reinformed Dreamer，旨在改进强化学习。该新算法通过引入潜在引导以实现更有效的表示学习，解决了 Informed Dreamer 模型中存在的局限性。实验表明，与之前的非对称方法相比，Reinformed Dreamer 在标准 Dreamer 算法上实现了更一致的改进。
-
新的无监督方法在无源数据的情况下推进了EEG情绪识别
研究人员开发了一种新颖的无监督无源域适应方法，用于脑电图（EEG）情绪识别。这种方法称为双损失自适应正则化（DLAR）结合局部一致性学习（LCL），允许模型在无需访问原始源数据的情况下适应新数据集，解决了隐私和计算问题。在DEAP、SEED和DREAMER等基准数据集上的实验表明，准确性显著提高，优于现有的最先进方法，并有望在心理健康和脑机接口等实际应用中发挥作用。
-
开源LingBot-Video模型引发世界模型争论
Robbyant发布了LingBot-Video，这是一个开放权重模型，能够根据给定的控制信号和初始帧来预测机器人未来的动作和手部姿势。该模型生成想象中的未来状态，引发了关于这种预测能力是否构成真正世界模型还是仅仅是复杂视频生成器的讨论。此次发布在AI社区中引发了关于世界模型定义和特征的争论，并将LingBot-Video与Dreamer和JEPA等既有概念进行了对比。
-
新的深度学习模型通过提高准确性和可解释性来增强基于脑电图的情感识别
研究人员正在开发用于基于脑电图的情感识别的先进深度学习模型，旨在提高准确性和可解释性。一种方法使用图正则化来捕捉情感类别之间的心理相互依赖性，在 SEED-IV 和 SEED-V 等数据集上显示出更高的准确性。另一种方法 MS-iMamba 利用多尺度倒置 Mamba 模型从脑电图信号中捕捉复杂的时空特征，在 DEAP、DREAMER 和 SEED 数据集上实现了高精度。第三个框架引入了面部表情代理建模，将脑电图信号转换为面部表情，从…
-
新的PRISM框架通过通道优先化增强脑电图情感识别
研究人员开发了一个名为PRISM的新框架，以提高从脑电图（EEG）数据解码情感的准确性。PRISM通过为通道分配权重来放大重要通道并抑制噪声，从而解决了冗余的脑信号通道和个体之间显著差异等挑战。它还利用未标记数据来提高一致性并对齐域，从而减少了特定于主体的差异。实验表明，PRISM在多个数据集上的表现优于现有方法，在标记数据有限的情况下有效实现了跨主体情感识别。
-
矩阵正交化增强RNN记忆，适用于长时任务
研究人员开发了一种方法，通过在读取操作中应用矩阵正交化来提高循环神经网络（RNN）的记忆能力。该技术借鉴了语言模型中使用的优化器，旨在增强联想回忆能力，尤其是在嘈杂的环境中。实验表明，对mLSTM记忆矩阵进行正交化处理，显著提高了在嘈杂联想回忆任务上的性能，尤其是在词汇量和序列长度较大时。
-
新基准ARB4WM测试世界模型对抗鲁棒性
研究人员推出了ARB4WM，一个旨在评估连续控制系统中世界模型对抗鲁棒性的新基准。该框架利用视觉扰动，在策略、价值和潜在动态层面评估威胁。研究表明，针对价值估计和潜在表征的攻击可能与直接策略破坏一样有害，这凸显了在考虑多种攻击目标和时间暴露协议的情况下进行全面安全评估的必要性。
-
LDROBOT Robotics 在香港上市首日飙升103%
LDROBOT Robotics，又称Leadbot Robotics，在香港证券交易所上市首日飙升103%。此次成功的IPO使该公司成为继优必选之后中国第二家上市的机器人公司。该公司专注于 DTOF 激光雷达技术，并为科沃斯和追觅等知名客户提供服务。
-
Dreame 宣布推出 29 个版本的 Aurora Lux 手机，超越了特朗普手机。
Dreame 已宣布计划推出 29 个版本的 Aurora Lux 手机，该设备似乎是“特朗普手机”的竞争对手。该公司一直在积极推广这款新手机，在科技新闻周期中引起了比较和关注。
-
Dreame发布专注于互操作性的AI驱动智能家居生态系统
Dreame发布了一系列旨在增强互操作性的新智能家居产品，以解决行业长期存在的挑战。这些设备，包括空调和冰箱，利用AI学习用户习惯并个性化体验，例如根据运动数据推荐富含蛋白质的餐食或调节室内温度。该公司正与Google Gemini合作，以显著扩展其智能冰箱的食材识别能力。
-
Dreame 在 NEXT 2026 活动上发布 A3 AWD Pro 和 L60 系列
Dreame 在 NEXT 2026 活动上展示了其 A3 AWD Pro 和 L60 系列，并推出了一系列新产品。该公司展示了从扫地机器人、割草机到智能手机，甚至跑车的创新产品。
-
吸尘器制造商 Dreame 发布新款智能手机设计
Dreame，一家主要以机器人吸尘器闻名的公司，已宣布进军智能手机市场，推出 Aurora Lux 系列。此举标志着这家中国制造商在家庭清洁电器之外拥有更宏大的抱负。Aurora Lux 系列将推出 29 种不同的设计，表明其在消费电子产品领域将大力投入。
-
Dreame 发布火箭动力汽车，0-60 英里/小时加速不到一秒
Dreame 发布了其 NEXT 01 JET Edition 汽车，该车能够在 0.9 秒内完成 0-60 英里/小时的加速。如此惊人的速度归功于其人工智能语音控制系统，该系统可以立即激活其火箭助推功能。该演示于 2026 年 4 月 29 日在旧金山的 Dreame NEXT 活动上进行。
-
追觅将先进电机技术应用于重新定义电动汽车性能
追觅（Dreame），一家以其创新方法而闻名的公司，正通过将其先进技术能力应用于复杂的车辆系统，在汽车行业取得重大进展。公司的成功源于对核心技术的深刻理解和对市场趋势的准确把握，使其能够突破传统行业范式的界限。追觅（Dreame）专注于重新定义汽车概念和开辟新的发展路径，这使其在不断发展的汽车领域具有成为领导者的潜力。