UNIAD
PulseAugur coverage of UNIAD — every cluster mentioning UNIAD across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
机器人学者李宏洋荣获RSS奖，聚焦智能人形机器人
香港大学助理教授李宏洋成为首位获得机器人领域享有盛誉的RSS早期职业聚光灯奖的中国学者。他的研究领域广泛，从自动驾驶（代表作包括BEVFormer和UniAD）到具身智能，再到新兴的全身智能（Whole-body Intelligence, WBI）概念。李宏洋计划将重心转向创业，致力于打造领先的具身AI系统，并认为智能人形机器人将是下一个由WBI驱动的主要物理终端。
-
具身智能在 RSS 2026 上成为焦点，中国企业日益突出
第 22 届悉尼机器人：科学与系统 (RSS 2026) 会议将重点关注具身智能，设有专门针对视觉语言模型 (VLA)、人形机器人和世界模型 (World Models) 的独立会议，表明研究方向的收敛。中国企业正扮演着日益重要的角色，从赞助商转向硬件生态系统，尽管文章承认美国和澳大利亚机构在基础研究方面仍占主导地位。关键讨论将围绕具身智能中的“数据贫乏、模型丰富”的争论，以及从单臂操作转向更复杂灵巧操作的转变。
-
BEVLM框架增强大语言模型在自动驾驶中的推理能力
研究人员开发了BEVLM，一个将大语言模型（LLMs）与鸟瞰图（BEV）表示相结合的新框架，用于自动驾驶。该方法旨在克服当前独立处理视觉数据的局限性，从而提高空间一致性和语义丰富性。BEVLM利用BEV特征作为大语言模型的统一输入，增强其在复杂驾驶场景中的推理能力，并提高端到端驾驶性能，尤其是在安全关键型情况下。
-
Archon Robotics 获数亿元融资，将打造全身人形 AI 模型 · 追踪 1 个来源
香港大学教授创立的初创公司 Archon Robotics 获得了数亿元人民币的天使轮融资，旨在开发通用型全身具身 AI 模型，用于人形机器人。该公司旨在解决当前机器人数据中普遍缺乏关于全身协调和类人交互的关键信息的局限性。Archon Robotics 计划构建一个新的以人为中心、全身运动为重点的数据收集系统，使机器人能够在家居等非结构化环境中执行复杂任务。
-
GraphBEV++框架解决了自动驾驶感知中的特征不对齐问题
研究人员推出了GraphBEV++，一个旨在解决自动驾驶系统鸟瞰图（BEV）感知中特征不对齐问题的新型框架。该框架包含两个主要模块：LocalAlign-v2，它使用图匹配来处理邻域感知的深度特征，以纠正局部不对齐；以及GlobalAlign-v2，它提供可变形和扩散变体来解决全局不对齐问题。GraphBEV++在nuScenes和Waymo等数据集上展示了最先进的性能，在感知、预测和规划任务中提高了准确性和鲁棒性，即使在校准不确定性下也是如此。
-
新的归因方法预测自动驾驶规划中的风险
研究人员开发了一个新的分层归因框架，旨在预测端到端自动驾驶模型中的风险。该方法分析多个摄像头视图的视觉输入，以识别关键区域及其对轨迹生成的影响。该框架提取了三个关键统计数据——归因熵、摄像头内的空间方差以及跨摄像头基尼系数——这些数据与轨迹误差和潜在碰撞等规划风险相关。