跳到正文
  1. Hugging Face 每日论文56

    RLHND:用视频基础模型从第一人称视频同时估计手部位姿与触觉

    RLHND 提出一种基于视频基础模型的手部跟踪模型,从单目第一人称视频中联合估计手部位姿与真实触觉信息。它把预训练的 Cosmos 3 视频扩散主干通过 clean-latent 条件化改造成确定性的片段级特征提取器,位姿流预测解剖学上合理的关节角度并支持形状参数条件化,触觉流在位姿流冻结下预测手表面的密集接触与力。

    推荐理由:论文说明了用视频基础模型补上接触与力线索的思路,关注人视频用于机器人策略训练的读者可了解其方法路径。

  2. Hugging Face 每日论文57

    多向量视觉文档索引可被反演还原页面内容

    论文提出从多向量视觉文档检索器存储的索引中反演还原原始页面,把反演建模为条件文档图像生成。在 ViDoRe v3 基准上,从原始索引反演的页面可恢复 47% 的词和 45% 的敏感 token,用作查询时 98.4% 能把源页面排在首位。

    推荐理由:论文用实验量化了多向量文档索引的反演风险,并测试了两种低成本防护的实际效果,做文档检索系统安全评估时可参考其方法。

  3. Hugging Face 每日论文64

    Long-WAM:扩展世界-动作模型上下文的模型系统框架

    Long-WAM 提出在实时控制约束下扩展因果世界-动作模型上下文的模型系统框架,核心发现是访问历史不等于使用历史,更长历史只有在视频底座经自回归预训练时才显著见效。

    推荐理由:论文用对照实验说明自回归预训练的视频底座才让长历史真正转化为成功率提升,可为世界模型选型提供依据。

  4. CNX Software62

    Efinix 发布 Sapphire RV64 可配置 RISC-V 软核 SoC

    Efinix 推出 Sapphire RV64 SoC,这是一款面向 Titanium、Topaz 和 Trion(T20 及以上)FPGA 的可配置 64 位 RISC-V 软核,基于 VexiiRiscv,可配置 1 至 4 个核心,主频最高 400 MHz。

    推荐理由:原文列出了主频、缓存、内存支持和外设配置,做 FPGA RISC-V 选型的工程师可据此评估是否替换现有 32 位方案。

  5. 机器人大讲堂58

    别把自动驾驶的进度表套到具身智能上

    文章认为自动驾驶能迁移给具身智能的是约50%的技术基建和方法论,但那张时间表不该一起搬。光象科技CEO张涛指出迁移部分落在数据采集、清洗、端到端训练、仿真验证和真机测试流程上,而接触类任务是机器人独有的难点;自变量王潜认为自动驾驶难点在导航和运动,机器人难点在操作,视觉只差几像素的两瓶水在动作层面就是两件事。

    推荐理由:原文用50%迁移比例、仿真真机成功率落差和出货量对比,拆解了自动驾驶方法论能给具身智能留下什么、带不走什么。

  6. 新智元60

    OpenAI 一夜发布 722 篇数学手稿,准黎曼猜想被证明

    OpenAI 在 GitHub 开源项目库 math,放出 722 篇由内部未发布前沿模型产出的数学手稿,覆盖 372 个此前未解的难题家族,其中 Result 003 证明了准黎曼猜想(所有狄利克雷 L-函数在实部 ℜ s > 7/8 半平面内无零点)并同步给出 Lean 形式化验证。

    推荐理由:梳理了成果清单与数学界反应,可快速了解这批手稿覆盖的问题范围和争议焦点。

  7. 机器人大讲堂66

    Skild AI 发布开源人形平台 BRIDGE 论文,88厘米13公斤参考身体

    9月15日arXiv出现论文《BRIDGE:An Open-Source Humanoid Platform via Morphology-Control Co-Design for Physical AI》,Skild AI两位创始人参与创作,展示了一台高88厘米、13公斤的开源人形平台,硬件图纸、控制策略、训练脚本全部公开。

    推荐理由:文章梳理了Skild AI从卖大脑到开源参考身体的路径,并与宇树、智源的同类做法对比,便于理解接口之争。

  8. 新智元74

    Mistral 发布万亿参数 Mistral Large 4,多项测试超过 GPT-6 与 Claude

    法国 AI 公司 Mistral 发布新旗舰 Mistral Large 4,总参数 1 万亿、混合专家架构每 token 激活 490 亿参数,权重月底全部开源。

    推荐理由:原文汇总了多项第三方评测分数与安全基准数据,便于横向比较其与闭源旗舰的差距。

  9. strongerHuang62

    TI 全面支持 Zephyr RTOS,覆盖全系列 MCU、MPU 与无线连接设备

    TI 宣布其广泛嵌入式产品组合已全面支持 Zephyr RTOS,覆盖全系列 MCU(从超低功耗 M0 到高性能 M33 内核)、MPU 及无线连接设备,提供统一且可量产的开发平台。

    推荐理由:梳理了TI全面支持Zephyr对开发者、生态和行业三层影响,可作为评估厂商中立模式的参考。

  10. 嵌入式Linux60

    爱芯元智AX8850与瑞芯微RK3588端侧AI实测对比与选型分析

    文章对比爱芯元智AX8850与瑞芯微RK3588在端侧AI推理上的实测表现,引用双方官方benchmark数据,AX8850在YOLOv5s、YOLOv8n等模型上FPS达到RK3588单核的7~12倍。

    推荐理由:原文用双方官方benchmark的同模型FPS对比,把标称TOPS与实际推理性能的差距讲清楚,可迁移为选型时看实测数据的方法。

  11. 芯板坊57

    芯板坊实测荣迈德Mind魔方微型工控机:i3 N305小主机面向机器人无人机场景

    芯板坊工程师拿到荣迈德Mind魔方微型工控机并实测,这是一款75x75x48.5mm、350g的x86小设备,采用Intel i3 N305(8核、睿频3.8GHz、TDP 15W)、板载16GB LPDDR5和128GB eMMC,价格在4千多。

    推荐理由:实测给出了GeekBench分数和eMMC调优方法,选型x86主控的工程师可据此评估性能与存储表现。

  12. IEEE Spectrum · Robotics57

    HiPHI:面向人形机器人大规模高精度人体动作与物体交互数据集白皮书

    IEEE Spectrum 与 Wiley 联合发布由 Noitom Robotics 赞助的白皮书,介绍 HiPHI 数据集:617.5 小时光学动作捕捉的全身人体动作数据,亚毫米级精度,其中 245.7 小时为人与物体交互数据,含同步物体轨迹与网格,并用 FrameNet 语言框架组织动作覆盖范围。

    推荐理由:白皮书给出了数据集规模与人机交互数据的组织方式,关注人形机器人数据来源的读者可据此评估其补充价值。

  1. Hackaday66

    用 ESP32 作 Raspberry Pi 的 Linux 无线协处理器:esp-hosted 实践指南

    作者介绍如何用 esp-hosted 把 ESP32 模块通过 SDIO 或 SPI 变成 Linux 单板机的 WiFi/BT 无线网卡,并给出自己在项目中加入 ESP32-C6 的完整搭建过程。

    推荐理由:文章给出SDIO布线、驱动编译与调试的完整实操细节,也点明了C5优于C6的选型教训。

  2. CNX Software58

    DSPi 固件让 Raspberry Pi RP2040/RP2350 变身带 DSP 引擎的 USB 声卡

    DSPi 是面向 Raspberry Pi Pico、Pico 2 及其他 RP2040/RP2350 板卡的音频 DSP 固件,可将其变为带集成 DSP 的 USB 声卡,支持房间校正、有源分频、参数 EQ、时间对齐等功能。

    推荐理由:原文列出了 DSPi 在 RP2040 与 RP2350 上的滤波器数量、通道数和数学引擎差异,便于按硬件选型评估。

  3. The Robot Report58

    TwelveLabs 发布 Pegasus 1.6 视频理解模型,面向物理 AI 与第一人称视频

    TwelveLabs 发布 Pegasus 1.6 模型,面向机器人、无人机和自动驾驶等物理 AI 场景,是其首个面向第一人称视频的 AI 模型,不依赖特定相机或专有硬件。

    推荐理由:原文列出了五项工作流和第一人称视频定位,做机器人数据管线的团队可据此判断是否接入。

  4. The Robot Report57

    FireDome 打造自主野火防御发射系统

    FireDome 推出自主地面发射系统,通过发射含水或阻燃剂的弹丸(最远 1,000 ft.)在野火到达前铺设阻燃隔离带、覆盖建筑并扑灭飞火引发的点火点。系统采用机械发射柔性智能弹丸,每枚约装 10 gal. 液体,在近地面高度展开形成椭圆覆盖区,三层防御分别对应外围隔离带、建筑覆盖和点火点扑灭,默认自主运行并可远程关停,计划与加州消防指挥体系集成。

    推荐理由:文章拆解了发射器与三层防御逻辑,可了解自主灭火系统如何嵌入现有消防指挥体系。

  1. Hackaday60

    EDG C++ 编译器前端开源,交由 C++ Alliance 管理

    EDG C++ 编译器前端项目宣布开源,此后由非营利组织 C++ Alliance 管理,源码已发布在 GitHub。Edison Design Group(EDG)自 1988 年起做编译器前端,其前端被 Intel C++ 编译器、Microsoft VC++、NVIDIA CUDA 编译器等商业产品采用;公司去年决定在 2026 年关停并转向开源模式。

    推荐理由:EDG 前端曾用于 Intel、Microsoft、NVIDIA 等编译器,其开源走向可能影响 GCC 与 Clang 的生态格局。

  2. The Robot Report60

    Overview AI 推出 OV Spark 系列 AI 检测相机

    Overview AI 推出 OV Spark 与 OV Spark Pro 两款 AI 检测相机,内置 agentic AI 层 Sparky,可用自然语言回答检测相关问题。

    推荐理由:原文给出了硬件规格、工具清单和 MEC 落地案例,便于评估该相机在产线的实际可用性。