RSS2025 | 清华大学！DemoGen：面向机器人操作的合成数据生成

01:00:35

让机器人更聪明！GRAPE 提升机器人通用性，实现多样化任务

41:10

NeurIPS'2024 | 让视频生成模型走进物理世界！

41:46

ICRA 2025 Best Paper Finalist | D(R,O) Grasp：全新交互式表征重塑跨智能体灵巧手抓取

50:24

香港科技大学 | 多传感器融合SLAM方法研究

30:12

北航开源！自动驾驶仿真系统新范式 | 利用真实场景重构自动驾驶闭环仿真

42:15

清华最新发布UniAct！具身通用动作框架！增强的具身基础模型性能远超OpenVLA

50:44

UB&CMU合作力作！实时30Hz的VL-Nav视觉语言导航系统来了！导航速度和精度直接拉满

40:38

CVPR'25 开源！GoalFlow：解锁端到端生成式策略新未来~

01:05:04

CVPR 2025 满分论文！TSP3D：高效3D视觉定位(3D Visual Grounding)

50:26

CVPR'25开源 | 自动驾驶3D重建大模型！仅需单帧6张图像，0.1秒内完成大规模场景3D重建！

01:07:31

CVPR 2025 满分论文！重建 vs 生成：解决扩散模型中的优化难题

51:07

下一个世界模型，真的需要视频生成吗？还是3D原生才是终极解法？| 如何用无人机影像，极速生成真实3D城市？| 4D城市生成如何彻底改变自动驾驶？

55:34

港科大 | 全方面超越OccWorld！OccLLM：Occ世界模型再度问鼎SOTA

39:25

具身智能空间泛化性的Scaling Law！清华新算法框架让机器人操作更加鲁棒

01:01:27

港大最新 | GPT4Scene：用Vision Language Models去理解3D场景

38:01

清华大学获X-Embodiment最佳论文奖，机器人顶会CoRL 2024获奖名单出炉

01:13:21

重磅分享！具身智能操作&灵巧手技术进展 | 四种不同仿人灵巧手方案分析 | 数据采集系统的方案综述

45:19

无需训练！零成本实现场景级别新视角生成！

01:01:02

NeurIPS'24 Spotlight | Github千星开源 | 视频生成模型真的可以模拟世界吗？

56:36

大模型时代下的端到端自动驾驶

58:27

从协同感知到通信：EI-Drive 实现真实网络环境中的自动驾驶仿真

58:29

3D点云+扩散模型+高质量演示数据！实现双臂机器人通用物体操作！

01:15:19

ECCV2024 具身智能 Workshop最佳论文 | RoboTwin：双臂操作数据飞轮，赋能数据驱动的策略学习

01:03:25

清华开源RDT-1B，揭秘全球最大的双臂机器人扩散大模型

48:49

GaussianRPG：首个开源的基于3DGS的自动驾驶闭环仿真器

41:36

雨雪无阻｜毫米波成像雷达赋予具身智能鲁棒的空间感知

01:14:12

别再用SuGaR了！重磅开源SA-GS：重新定位最新大场景3D重建SOTA

58:05

浙大章国锋团队最新NIS-SLAM：突破神经隐式语义RGB-D SLAM的极限

40:09

UCL开源 | Spann3R：基于空间记忆，不估计相机参数也能实时重建

01:24:50

NeurIPS'24三维网格生成新模式！自回归大语言模型也能生成三维网格

39:58

IROS' 24 开源｜GV-Bench：面向长期回环检测的几何验证评估

41:43

ECCV 2024 Oral满分论文｜PointLLM：大语言模型直接理解点云

49:14

CVPR'24开源 | 吊打一切VINS！又快又好的视觉惯性导航系统！

45:05

CVPR'24 开源｜特征匹配新范式：从语义区域到点的匹配框架

54:29

ECCV'24 Oral开源高赞 | 无需优化，MVSplat两张图实现高质量3DGS重建

01:14:24

上汽零束 | NeRO：基于隐式神经网络的道路重建

37:09

NVIDIA最新开源！OmniDrive：结合大模型推进自动驾驶3D感知、推理、规划

37:05

NeurIPS 24' 开源｜视图场景图MSG：拓扑理解提升空间智能新高度！

54:56

CoRL & IROS'24 | 结合LLM的人形机器人自主行为规划！

47:45

TRO'25 | 港大 eVTOL 飞行新突破！尾座式无人机在复杂环境中的自主导航

01:10:21

港科大最新！GaussianProperty：无需训练，VLM+3DGS完成零样本物体材质重建与抓取

01:24:00

港科大和北京智源联合发布 | MapNav：一种新的视觉语言导航历史表征方法

55:32

CVPR 2025｜给机器人装上大脑！RoboBrain教你如何具像化操作！

53:45

当DeepSeek-R1遇上具身智能 | Reason-RFT 让机器人“看懂”空间变化，轻松帮你搞定桌面整理！

48:36

上海 AI Lab开源力作！DriveArena: 首个基于生成模型的自动驾驶闭环仿真平台

42:55

卡内基梅隆大学 | DarkGS: 移动光源3DGS！从泰坦尼克号这一幕说起

01:09:27

三维生成4.5k星开源项目 | Wonder3D单张图片变高质量三维

32:15

清华大学！应用于空地协同的激光-视觉紧耦合相对定位

55:36

ECCV'24开源 | 让照片随心所欲动起来！基于光流运动场与扩散模型的图像动画化方案

48:25

Transcrib3D：基于大语言模型三维指称表达理解SOTA

01:00:29

浙大开源 | 端到端智驾试金石：最新写实闭环自动驾驶仿真器HUGSIM

58:32

NYU开源 | CityWalker: 让机器人导航到任何地方!

01:10:22

The Storm by 3D AIGC：清华团队探索3D AIGC的无限可能！

45:05

香港科技大学！CVPR&NeurIPS2024开源 | 迈向通用可泛化的自动驾驶世界模型

44:06

中科院最新CityGaussian：VRAR时代的城市重建新标杆

52:15

自驾场景快速训练！CarDreamer：首个开源世界模型自动驾驶平台

58:14

CVPR'24 Oral Waymo新SOTA！纯稀疏检测器SAFDNet的前世今生!

49:53

CVPR满分论文！即插即用的6D物体姿态估计大模型（BOP排行榜第一)

01:14:42

ICML'24开源！LEO：首个三维世界中的具身通用智能体

56:06

SIGGRAPH'2024|RTG-SLAM：基于3DGS的大尺度场景实时三维重建

58:55

国防科大最新 | DistGrid：基于分布式神经辐射场阵列的大规模场景重建

33:58

CVPR'24 | XScale-NVS: 基于哈希特征流形的大场景跨尺度高分辨神经渲染SOTA

01:15:05

CVPR'25 全开源 | 机器人导航 Learn from RoomTour! 视觉语言导航的全能涨点选手

53:32

当MVS遇上Gaussian MVSGaussian 快速、可泛化的高斯重建框架！

54:38

CVPR2024开源NeRF-SLAM新SOTA：请任意选择你的高效神经表征和渲染方程？

01:09:09

港大重磅开源 | Tailor3D：定义3D物体生成编辑新范式

51:50

CVPR'24 Highlight！面向智能眼镜、人形机器人打造的第一人称视角多模态评测集！

51:20

香港理工大学 | Mini-Splatting: 从Gaussian Splatting走向最小场景表示与高效三维重建

59:48

NeurIPS'24开源｜迈向灵活3D感知：用Object-Centric Occupancy大幅提升长时序3D目标检测

52:00

ECCV 2024 | LaneGAP：基于连续路径建模的车道拓扑构建算法

19:59

突破维度限制！GenXD：拿捏真实通用3D、4D生成！

42:27

北大重磅开源！基于八叉树的轻量级形状生成扩散模型

26:07

ECCV'24 | 真假难辨！自动驾驶场景语义图像合成新方案

55:05

ECCV '24开源 | HRMapNet：利用历史信息增强自动驾驶中的在线地图感知

42:52

来看看遥遥领先在做什么 | 华为诺亚自动驾驶资产生成最新工作(ECCV'24)

45:05

首个Linear RNN-based 通用3D检测框架LION, 全部SOTA！

51:23

Adobe Research | 零样本3D重建：无需真实数据也能生成逼真3D模型

36:03

CVPR'24&ECCV'24 | 上下文模型如何将3D表征压缩近百倍！3D表征压缩技术的新SOTA！

35:36

MM-Gaussian: 多模态室外3DGS SLAM

25:26

CVPR'24 | Symphonies：基于实例级建模的3D场景占用预测新SOTA!

44:21

CVPR'24 Highlight 开源｜DyNFL：使用NeRF对动态激光雷达场景仿真

36:29

上交开源 | 再现物理世界的通路：由三维重建到物理仿真

59:46

ECCV 2024 oral | 通过跟踪实现在线高清地图重建，达到SOTA性能！

31:11

首次解锁CARLA V2! 交大RethinkLab提出隐世界模型下的强化学习自动驾驶模型Think2Drive

47:18

光场分解与Gaussian Splatting：颠覆传统渲染管线的创新应用GS-ID

53:59

无需真实机械臂也可以训练具身大模型！通过Robostudio的R2S2R工具链来采集训练和部署机器人策略

22:04

CVPR'24 | KTPFormer: 3D人体姿态估计SOTA! 在Transformer下即插即用涨点！

35:29

CVPR'24 I'M HOI：拥抱多模态！融合视觉惯性感知，精准捕捉人物交互!

58:06

ICLR'24 | DiffTF：基于Transformer的SOTA大词汇3D物体生成

56:02

定制化视频生成新模范！零样本主体驱动，精确运动控制！复旦&阿里等发布DreamVideo-2

01:04:23

Co-Driver：基于 VLM 的自动驾驶助手，具有类人行为并能理解复杂的道路场景

26:18

港科大最新 | 3D目标检测新SOTA，APNovel提升140%

01:13:18

港大开源 | DreamWaltz-G: 输入文本即可生成全身动作及表情可驱动的3D数字人！

47:35

大场景重建！DoGaussian：分布式训练3DGS，速度提升6倍以上，高质量渲染

50:13

CVPR'24 Hightlight | GP-NeRF: 基于上下文感知的通用语义NeRF！

56:02

ICML'24开源 | AVTrack：最强实时无人机跟踪算法！

53:34

CVPR 2025｜智能融合新机制！多模态大模型中的跨模态信息流

39:32

港科大最新Co-Occ！激光视觉多模态Occupancy任务！

27:36

清华最新！无人机飞行速度建模 | Localization matters too: 定位误差如何影响无人机飞行速度

52:15

NeurIPS'24 Spotlight开源 | Voxel Mamba 第一个Group-free的3D目标检测序列化模型

45:46

CVPR'24开源 | 基于可驱动3D高斯的单目人体数字化身建模

58:35

CVPR'24 开源| OMG-Seg: Beyond SAM，一种统一的图像，视频，开集，交互式的分割模型

52:57

北大&港中文&腾讯联合开源ViewCrafter！实现相机精准可控新视角视频生成+场景级3D生成

43:23

DetAny3D：任意单目图也能“万物3D”！

47:57

TRO'25 开源 | 无需中间模块！最新端到端的机器人导航方案NeuPAN！任意复杂场景下都能用！

36:49

开创立体匹配新纪元！OpenStereo：集成12种SOTA网络，支持6大主流数据集！

53:34

CVPR 2025 最佳论文候选 FoundationStereo | 英伟达开源双目深度估计大模型

54:33

面向地面机器人的激光SLAM还能做点什么？刷精度？剔动态？

47:19

CVPR'25开源 | WildGS-SLAM：适用于动态场景中的单目SLAM方法！

57:16

RAL'25开源 | 港科大重磅分享：深入探索VIO领域的重难点！

53:57

Nature Communications开源！香港大学推出会飞的象鼻，空中连续体机器人开启柔性操作！

54:17

RSS'25 | ConRFT使用强化学习微调VLA实现96.3%成功率和超强鲁棒性！

48:54

清华最新开源MARS！第一个基于NeRF的自动驾驶开源模拟器！

59:12

CVPR'25+RSS'25 | G3Flow：生成式操作表征，2D基座模型赋能3D策略 | CordViP：新颖的灵巧操纵学习框架

01:14:40

ECCV'24 oral | DVLO：首个基于深度聚类的多模态融合里程计网络

38:51

TRO重磅开源 | 开放混杂场景机器人抓放：成功率、效率、泛化三重进化

01:01:10

任意手以任意方式抓取任意物体！从手物交互生成到机器人灵巧操作

57:18

CVPR'25 | SPR：与场景无关的相机位姿估计

59:31

全球领先的具身智能机器人科研平台：Franka机器人以及多模态具身智操作策略和数据采集分享

47:57

上海人工智能实验室开源 | 打通自动驾驶最后一公里！Nexus突破边缘场景生成

59:27

西湖大学MiLab具身专场 | 全栈VLA技术分享

53:11

上海AI Lab最新 | 迈向可泛化和可规模化的空间具身智能

51:29

不占显存，还能提速！推理时间减少70%！这个「压缩神器」助力前馈3DGS实现超高视点输入！

47:06

CVPR'25 Highlight！清华开源一键式视频扩散模型，视频到3D，一步到位！

37:11

重磅分享！用于机器人操纵任务的视觉基础模型

41:37

CVPR'25开源 | 无需编码，全新的depth利用方式！

58:09

首次把3D生成大模型推到了1536³分辨率，Sparc3D：生成mesh直接打印！

33:08

告别双系统，清华博世带来完全开源性能SOTA的纯血VLA！

30:30

CVPR 2025 | Qwen赋能AI「看见」三维世界，SeeGround实现零样本开放词汇3D视觉定位

29:51

博世 X 清华 | CVPR2025端到端第二名DiffVLA：成功实现通用机器人控制框架π0的VLA范式在动态交通场景中的创新应用

44:36

ICCV 2025 | TesserAct: 首个通用4D世界模型

01:03:00

ICCV'25 Hi3DGen开源 | 法线为桥：为高清三维几何生成另辟蹊径

49:46

RSS 2025 Best Student Paper Finalist | 视-触/力觉融合的模仿学习框架

01:17:44

首个泛化高斯溅射语义SLAM框架！GS4：十倍效率三维建图

56:48

ICCV'25开源 | 新一代自动驾驶标配视觉语言大模型？DriveBench全面揭示视觉语言大模型在退化图像下的「幻觉」问题！

51:13

清华最新开源！OneTwoVLA：统一视觉语言动作模型，让机器人通用性更强

51:42

北大ICLR'25&ICCV'25| 铰链物体真实物理机制仿真突破！基座模型赋能泛化策略！

52:03

香港中文大学 | ReSim：迈向真实驾驶世界仿真的世界模型

01:02:16

ICCV'25开源 | 从Transformer到Mamba，轨迹预测迎来架构变革！

49:12

CVPR'25 | 浙大提出三维生成先验助力手持物体重建新方案

40:06

ICRA'25 最佳论文 | 2025年了视觉SLAM怎么还没有被解决？

44:37

CVPR 2025 开源 | 标签高效下三维目标感知最新进展！

55:49

CVPR'25 最佳论文一作亲解 | VGGT：纯前馈Transformer架构，快速3D重建新范式！

01:24:18

ICRA 2025 | Gaussian-LIC：首个LiDAR-IMU-Camera融合的3DGS-SLAM系统

57:30

RA-L'25开源 | 北理工&清华新作ActiveSplat：主动高保真场景重建+3D高斯泼溅新突破！

46:07

上海期智&清华！BEV-VAE：首个自监督BEV视角的VAE，从图像到场景生成跃迁~

01:15:47

华人团队PyVision爆改多模态模型，Claude视觉推理能力飙升31%

55:33

清华RAL'25开源 | VR-Robo：通过3DGS实现机器人视觉运动与导航！

54:09

CVPR'25 Highlight｜DepthCrafter: 开放世界长序列视频的一致性深度估计

27:01

CVPR 2025 Highlight | 北大ConsisID & OpenS2V - 频域感知的主体一致性视频生成

55:12

ACM MM'25 | 小鹏最新：利用导航指令模仿人类驾驶员的超视距自动驾驶

49:00

上海AL Lab | NavDP：跨场景及本体的通用端到端导航方法

53:15

NUS邵林团队最新VLA‑OS | 揭秘机器人VLA模型的第一性原理！

55:07

IROS'25 | 基于非成对视觉-动作数据的时空表征融合，助力灵巧操作学习

44:16

CVPR冠军方案BridgeVLA | 真机性能提升32%，3D VLA新范式！

47:50

ICCV'25 Highlight 港大开源 | GameFactory：迈向交互式生成视频的更高级智能

49:53

CVPRW'25 MEIS Best Paper | LangCoop：首个自然语言V2X协作框架，开创自动驾驶新范式!

45:53

探索3D生成的上限 | 南洋理工大学联合数美万物发布Ultra3D

39:11

CoRL 2025｜零遥操作！AirExo-2助力规模化机器人模仿学习

01:01:46

IROS 2025 | 灵巧操作新范式：视触融合 × 基于未来力引导的操作策略

47:02

ICCV'25开源 | TurboReg：超高速高精度点云配准方法，让SLAM配准快200多倍！

31:15

RSS'25 | CMU开源基于人类操作数据预训练的跨具身学习框架！

01:04:11