跳到主内容
智客 ZICQ

智客 AI 新闻

智客 ZICQ 每日整理大模型、开源基础设施与开发者现场的 AI 新闻与深度文章。

当前筛选: 分类: 前沿论文 清除筛选

前沿论文· 2026-11-17

Mr.Xu0 次阅读0 条讨论与划词

π⁴以0.5B参数统一4D场景几何与动态重建

π⁴把单图、无序多图和视频统一为4D场景感知:以约0.5B参数的共享骨干恢复稠密几何、相机位姿与度量尺度,并在多图输入下输出2D/3D点轨迹和运动目标掩码。几何分支建立目标视角结构…

前沿论文· 2026-11-17

Mr.Xu0 次阅读0 条讨论与划词

FastFrames将自回归视频扩散推至单卡每秒28帧

FastFrames把自回归视频扩散从离线生成推进到交互式生成。研究团队剖析端到端推理链路,发现VAE解码与KV Cache更新等常被忽视的环节合计占延迟一半以上,并以轻量化替代方…

前沿论文· 2026-11-17

Mr.Xu2 次阅读0 条讨论与划词

Heave-Ho以局部感知驱动十台人形机器人长程协作

Heave-Ho提出面向长程移动操作的去中心化多人形机器人协作框架:底层以多智能体后训练改造人形基础跟踪模型,使机器人仅凭局部观测处理身体耦合;高层由视觉语言规划器生成任务计划,并…

前沿论文· 2026-11-17

Mr.Xu0 次阅读0 条讨论与划词

TCP4D以4D表征贯通TCP跟踪与跨形态轨迹生成

TCP4D面向单目机器人视频,把工具中心点(TCP)位姿作为跨机型统一动作空间,以同一套4D场景表征同时完成TCP跟踪与未来轨迹生成。跟踪器从初始2D查询恢复SE(3)位姿、夹爪状…

前沿论文· 2026-11-17

Mr.Xu0 次阅读0 条讨论与划词

π⁴以0.5B参数统一四维场景几何与运动感知

π⁴把无标定单图、无序多图与视频统一到约0.5B参数的共享骨干中,一次前向同时输出稠密几何、相机位姿、度量尺度、2D/3D点轨迹及运动掩码。模型以几何分支约束运动分支:先预测图像对…