文章摘要：机器人强化学习（RL）需在仿真环境中训练以避免实体设备损坏，但仿真环境必须高度逼真才能确保策略可迁移至真实场景。Niantic Spatial与Flexion提出完整流程：通过普通RGB相机扫描目标场地，利用3D Gaussian splatting技术重建高保真数字孪生场景，结合NVIDIA Isaac Sim进行仿真训练，最终实现zero-shot迁移至实体机器人。该方案攻克了视觉与

文章目录前言（所有检测模型）五、RRPN（倾斜文本）1.概述2.网络结构3.旋转边界框的表达（Rotated Bounding Box Representation）4。旋转的锚点（Rotation Anchors）5.兴趣区域的学习（Learning of Rotated Proposal）6.区域提取网络的优化（Accurate Proposal Refinement）7.RRoI Pooli

Grounding DINO，一种开集目标检测方案，将基于Transformer的检测器DINO与真值预训练相结合。开集检测关键是引入自然语言至闭集检测器，用于open world的检测。Grounding DINO将检测器分为三个阶段的紧密融合方案，包括。可实现对新颖类别进行检测，特定属性目标识别。在COCO数据集上零样本检测达到52.5AP，在COCO数据集finetune后达到63AP。

sam作为首个分割一切的zero shot 图像分割模型，展现出了强大性能。紧随其后，今年陆续出了FastSAM 与 MobileSAM两个加速版本。博主已经安装，亲测效果很棒

DETR将过少的 Query 分配为正样本，采用一对一的集合匹配，会导致对编码器输出的监督稀疏，严重损害编码器的区分特征学习。本文提出了一种新颖的协同混合分配训练方案，名为Co-DETR，以从多样的标签分配方式中学习更高效、更有效的基于DETR的检测器。这种新的训练方案可以通过训练多个并行辅助 Head ，以一对多的标签分配方式（如ATSS和Faster RCNN）进行监督，轻松增强端到端检测器中

3D点云目标检测的算法汇总，部分重要论文附带代码讲解

AI助力科学研究的现状与展望 人工智能（AI）正加速推动科学研究的变革，在生命科学、物质科学等领域取得显著成果。在生命科学方面，AI已应用于蛋白质结构预测（如AlphaFold）、药物设计等，但目前准确率仍有提升空间。物质科学中，AI帮助发现新型材料、优化化学合成路径，并展现出跨学科迁移学习的潜力。关键技术包括深度学习、强化学习和生成式AI，但面临可解释性、数据质量等挑战。未来趋势将聚焦自动化实验

《视觉世界模型研究综述：从观察到认知世界》 本文系统梳理了视觉世界模型（VWM）的研究进展，指出当前领域存在概念不统一、评估标准割裂等问题。作者提出以视觉为核心驱动力的研究框架，将VWM分解为视觉编码、知识学习和可控模拟三大组件，并据此分析现有模型的四类架构设计。研究强调VWM需超越表象模仿，建立包含时空连贯性、物理动力学和因果机制的多层次知识体系。在评估方面，主张从视觉质量扩展到动态合理性和任务

本文提出Scal3R方法，解决大规模3D重建中长视频序列处理难题。针对现有前馈模型因内存限制难以保持长序列重建一致性的问题，创新性地引入神经全局上下文表示(GCM)，通过轻量级自适应记忆单元(AMU)高效压缩场景信息。该方法采用测试时训练(TTT)机制，以块为单位更新快速权重，显著提升内存效率。实验表明，在KITTI和Oxford等数据集上，Scal3R实现了领先的位姿估计和3D重建精度，同时保持

d​81​xˉDIϵϕ∏abc​∑abc/ $$E。