地面移动机器人和车辆的运动本质上是二点五维的——它们在一个近似平面上移动，垂直方向的变化有限。把所有传感器信息都变换到以地面为基准的俯视平面上。俯视图（Bird’s-Eye View，BEV）的好处是具体的。这个空间里尺度是恒定的，不像图像里近大远小；物体不会互相遮挡叠置；多个传感器的数据天然对齐在同一张网格上；而且下游的路径规划本来就在这个平面上工作，不需要额外转换。技术上的关键难点是如何把二维

图 1：dots 的官方头图。四个毛茸茸的小团子——戴贝雷帽的蓝色、大眼睛的绿色、戴圆框眼镜的黄色、戴墨镜的粉色——就是 dots 的“脸”。图源：OpenAI。9 月 29 日，OpenAI 在旧金山开了 DevDay 2026。这是openai迄今规模最大的一届，一口气发了二十多项更新：新模型 GPT-6.1 Sol、500 美元的 Pro 套餐、Codex 的一堆新功能……但被讨论最多的，是

如果你第一次听到“训练大模型”，脑海里可能会自动浮现一排显卡、嗡嗡作响的机房、以及一张看起来不太友好的云账单。好消息是：我们今天不训练一个真正能上生产的 ChatGPT，也不挑战算力预算的物理极限。我们要做的是把大模型训练流程缩小成一个可以亲手跑通的“训练沙盘”。

当多个智能体（机器人、无人车或智能体）通过共享信息来协作完成任务时，一个自然的问题是：当共享的信息由于延迟，异步等情况，晚到几步，是否还有好的价值？ 车联网领域近期的研究表明：新鲜的协作信息价值巨大；价值随延迟迅速衰减，甚至变成负资产（比不用还差）！；在计算与通信双预算约束下，刷新信息的机制存在可优化的空间；且这种优化规律和机制可以被神经网络学到。

6.10凌晨1点，Claude发布了Fable 5，号称是Claude向大众发布过的能力最强的模型。Fable 5属于Mythos系列，只是为了大众使用，在安全上做了一些限制。

如果你第一次听到“训练大模型”，脑海里可能会自动浮现一排显卡、嗡嗡作响的机房、以及一张看起来不太友好的云账单。好消息是：我们今天不训练一个真正能上生产的 ChatGPT，也不挑战算力预算的物理极限。我们要做的是把大模型训练流程缩小成一个可以亲手跑通的“训练沙盘”。

**从 2024 年底到 2026 年春天，不到一年半的时间，科研，尤其是对于独立研究工作者，这件事已经跟过去完全不是一回事了。****如果要在整个科研史上画一条分界线，2024 年底可能算一条。那之前，AI 是"辅助"：是 Copilot 帮着补全一行代码，是 ChatGPT 帮着润色一段英文。那之后，AI 开始变成"主角"：它写代码，复现论文，跑实验，一次性读完整个代码仓库，然后指出里面某个算

6.10凌晨1点，Claude发布了Fable 5，号称是Claude向大众发布过的能力最强的模型。Fable 5属于Mythos系列，只是为了大众使用，在安全上做了一些限制。

6.10凌晨1点，Claude发布了Fable 5，号称是Claude向大众发布过的能力最强的模型。Fable 5属于Mythos系列，只是为了大众使用，在安全上做了一些限制。

如果你第一次听到“训练大模型”，脑海里可能会自动浮现一排显卡、嗡嗡作响的机房、以及一张看起来不太友好的云账单。好消息是：我们今天不训练一个真正能上生产的 ChatGPT，也不挑战算力预算的物理极限。我们要做的是把大模型训练流程缩小成一个可以亲手跑通的“训练沙盘”。