端到端自动驾驶作为目前智驾量产的核心算法，可以分为一段式端到端、二段式端到端两个大的技术方 向。这两年有非常多的工作如雨后春笋般涌现，以PLUTO为代表的二段式端到端思考如何用模型实现自车 规划；以UniAD为代表的基于感知的一段式端到端不断发展进步；以OccWorld为代表的基于世界模型的一 段式端到端开创了新流派；以DiffusionDrive为代表的基于扩散模型的一段式端到端开创了多模轨迹的新时 代；随后基于VLM的一系列方法不断进化出自动驾驶VLA方向，开启了大模型时代下的端到端； 而传统的BEV感知、车道线、Occupancy等工作相对较少出现在顶会了，最近也有很多同学陆续来咨询峰 哥，传统的感知、规划这块还能继续发论文吗？感觉工作都已经被做的七七八八了，审稿人会打高分吗？ 说到传统的感知、规划等任务，工业界都还在继续优化方案！但学术界基本都慢慢转向大模型与VLA了， 这个领域还有很多工作可以做的子领域...... 但新的领域往往对初学者是陌生的，只有极少数科研能力强的人才有机会独立产出。如果您真的需要选择 论文研究方向，我们建议向大模型、VLA靠拢。 如果您基础真的不好，也可以看看我们为大家准备好 ...

自动驾驶之心是国内领先的技术交流平台，关注自动驾驶前沿技术与行业、职场成长等。如果您的方向是 具身智能、视觉大语言模型、世界模型、端到端自动驾驶、扩散模型、车道线检测、2D/3D目标跟踪、 2D/3D目标检测、BEV感知、多模态感知、Occupancy、多传感器融合、transformer、大模型、点云处 理、在线地图、SLAM、光流估计、深度估计、轨迹预测、高精地图、NeRF、Gaussian Splatting、规划控 制、模型部署落地、自动驾驶仿真测试、产品经理、硬件配置、AI求职交流 等，欢迎加入自动驾驶之心大 家庭，一起讨论交流！ 添加小助理微信加群 备注公司/学校+昵称+研究方向 ...

在家庭服务机器人领域，如何让机器人理解开放环境中的自然语言指令、动态规划行动路径并精准执行操作，一直是学界和工业界的核心挑战。 近日，上海人工智能实验室联合新加坡国立大学、香港大学等机构的研究团队，提出了 " OWMM-Agent " 具身智能体——首个专为开放世界移动操作 （OWMM）设计的多模态智能体 (VLM Agent) 架构，首次实现了全局场景理解、机器人状态跟踪和多模态动作生成的统一建模。 同时该工作通过仿真器合成智能体轨迹数据，微调了针对该任务的多模态大模型 OWMM-VLM，在真实环境测试下，该模型零样本单步动作预测准确率达 90%。 论文链接：https://arxiv.org/pdf/2506.04217 Github 主页：https://github.com/HHYHRHY/OWMM-Agent 一、问题背景介绍：开放语义下的移动抓取任务 传统移动抓取机器人在家庭场景处理 "清理餐桌并将水果放回碗中" 这类开放指令时，往往需要依赖预先构建的场景 3D 重建或者语义地图，不仅耗时且 难以应对动态环境。OWMM 任务的核心难点在于： 二、OWMM-Agent：用 VLM 重构机器人 "大脑 ...

由于当前市场2D数字人赛道落地迅速，本次研究报告也单独切分了2D数字人市场份额——2024 年市场规模达 28.9 亿元人民币，相比 2023 年增长 101.2%。该细分市场的主要玩家包括华为云、百度、小冰、商汤科技等。 智通财经APP获悉，IDC于近日发布了《中国2024年中国AI数字人市场份额》报告。报告显示，IDC数据显示， 2024年中国AI数字人市场规模约41.2亿元人民币，相比 2023 年增长 85.3%；预计到2029年，市场规模将达到 250.5亿元人民币，2024-2029年CAGR达43.5%。市场主要参与厂商包括百度（09888）、小冰、商汤科技、追一 科技等。 IDC中国人工智能研究经理程荫表示，在生成式AI和大模型技术的双重驱动下，AI数字人赛道迎来突破性发 展，技术架构全面升级——头部厂商依托语义和垂直领域大模型，构建起新一代数字人技术栈，使特定场景的 交互体验实现质的飞跃。其次，多模态能力持续突破，表情生成、动作捕捉、语音合成、视觉理解等关键技术 模块通过超大规模预训练，推动数字人在形象塑造、智能交互和自主决策等方面达到新高度。最后，应用生态 加速普及——随着技术平民化进程加 ...

理解智能，并不只是研究者和工程师的课题。 文 丨 程曼祺 刘倩 大模型看起来已具备智能的形式：能陪你聊天，步步思考，做高等数学题，高效地写代码……这对很 多人来说已经足够——足以带来更多研究成果、产品机会、巨额投资和股价攀升。 而马毅是那类觉得不够的人，他于无声处开始提问：智能的本质是什么？ 这个问题的题面简单，答案却尚无共识。马毅认为，对智能的理解不应过于表面和短期，而应回到源 头厘清智能诞生和发展的历史。 自 2000 年从伯克利大学博士毕业以来，马毅先后任职于伊利诺伊大学香槟分校（UIUC）、微软亚研 院、上海科技大学、伯克利大学和香港大学，现担任香港大学计算与数据科学学院院长。他和团队提 出的压缩感知技术，到现在还在影响计算机视觉中模式识别领域的发展。 在浩瀚的宇宙里，除了我们正在一手制造却尚不完全可解释的 "机器智能" ，人类所见识过的智能只有 一个大样本：生命。 马毅认为，智能的本质是 "学习"——生命就是智能的载体，从 DNA 出现，到神经系统诞生和寒武纪 物种大爆发，再到人类的语言与数学的诞生，智能有不同的表现形式；但不变的是，智能都是在学习 外部世界的知识与规律，从而进行预测，使知识可以为我 ...

行业主要上市公司：阿里巴巴(09988.HK，BABA.US);百度(09888.HK，BIDU.US);腾讯(00700.HK， TCEHY);科大讯飞(002230.SZ);万兴科技(300624.SZ);三六零(601360.SH);昆仑万维(300418.SZ);云从科技 (688327.SH);拓尔思(300229.SZ)等 本文核心数据：市场规模;算力;排名; 全球多模态大模型行业发展历程 全球大模型产业的发展经历了早期探索期(1956年-2005年)，在这一阶段，人工智能学科诞生，神经网络模 型开始发展。随后进入快速成长期(2006年-2019年)，深度学习概念被重新引入，Transformer等模型推动了 行业进步。2020年至2022年为大模型兴起期，参数规模迅速扩大，2022年更被视为大模型元年。从2023年 开始，大模型进入广泛应用期，其在各领域的深度应用得到不断拓展。这一过程并非严格分期，而是体现 了大模型技术发展的连续性和阶段性。 转自：前瞻产业研究院 全球人工智能服务器现状 由于大模型对计算能力和数据的高需求，其所需要的服务器设施将在人工智能基础设施市场中占据越来越 大的份额。ID ...

SCoT团队 投稿 量子位 | 公众号 QbitAI 不怕推理模型简单问题过度思考了，能 动态调整CoT的新推理范式SCoT来了！ SCoT，即自 结构化推理链 （Self-structured Chain of Thought ） 。 它通过 将推理过程分解为最小语义原子步骤 ，能动态生成适配不同复杂度问题的CoT结构，解决了现有方法在推理多样性和效率上的不足。 另外，为了激发推理能力，研究人员还提出了 AtomThink ，这是一个包含数据构造、训练、推理和评估的全过程框架， 用来提升多模态大 模型在复杂推理任务上的表现 。 实验中，SCoT使模型能根据问题复杂度自动调整推理链长度，复杂问题的推理步骤更长。 在多个数据集上，AtomThink框架显著提升了基线模型的准确率，数据利用效率和推理效率也表现出显著优势。 并且，原子能力评估揭示了多模态模型在不同推理能力上的分布特征，为理解多模态推理模式提供了新视角。 这项研究由来自中山大学、香港科技大学、上海交通大学、香港大学、华为诺亚方舟实验室的研究人员联合提出，以下是更多细节。 SCoT、AtomThink长啥样？ 当前，结构化和非结构化CoT面临一定的挑战 ...