福特汽车因人工智能在质量检测中未能达到经验丰富的工程师的水平，重新聘请了超过300名资深质量检查员。公司副总裁承认曾忽视资深工程师的经验，而福特强调AI的成功依赖于训练数据。

WebBrain 是一款免费、MIT 许可的 AI 浏览器代理，适用于 Chrome 和 Firefox。它能够读取页面、提取数据，并通过 Ask 和 Act 模式自动执行多步骤任务。可在本地模型（如 llama.cpp 或 Ollama）上运行以保护隐私，也可连接任意云端 API。

AI工程师世界博览会闭幕日围绕“循环”展开了一场辩论，探讨自主软件工厂的可行性。同时发布的调查显示95%的受访者使用AI代理，但59%担忧长期负债。闭幕主题演讲呼吁构建AI原生公司。

作者并不反对使用LLM，但担心AI生成的网站缺乏灵魂，而手工打造的网站比以往更有价值。

Deep Agents 是 LangChain 推出的一款开源智能体框架，专为长期、多步骤任务设计。它内置了子智能体、文件系统、上下文管理、Shell 访问、持久化记忆以及人工审核等特性。该框架与模型无关，支持任何支持工具调用的 LLM，并基于 LangGraph 构建，具备生产级可靠性。

本文深入剖析了当前AI可见性监测工具的局限性。作者指出，这些工具声称能测量品牌在ChatGPT、Claude等AI助手内的可见性，但其数据往往建立在不可靠的抓取、API差异、提示集偏差、地理位置影响和模型漂移之上。文章揭示了仪表盘中看似精确的数字背后隐藏的混乱和不确定性，并提出了更诚实的测量方案。

本文提出了一种结合全局与局部路径规划器的新方法，用于无人水面舰艇（USV）避障。全局规划器融合了Grassfire、改进版Grassfire和一种新的概率路线图变体；局部规划器通过高级决策逻辑根据障碍物相对运动方向优化避障策略，使USV系统性地绕到障碍物后方而非并行等待。仿真验证了该方法有效性，并与D*算法进行了对比。

本文提出了一种基于多速率非线性模型预测控制（MR-NMPC）的分层规划与控制框架，使四足机器人能在受限环境中利用墙面辅助实现混合双足行走。该方法在高层次同时规划离散接触点和连续质心/姿态轨迹，低层次使用非线性全身控制器跟踪参考。在Unitree A1机器人上的仿真表明，与传统启发式MPC相比，成功率提高了2.9倍。该研究已被IEEE/RSJ IROS 2026接收。

本研究提出一种可重构摇杆-转向架机构，通过少量执行器实现高效转弯，同时保持高台阶攀爬能力。样机实验表明，该机器人零半径转弯速度是传统六轮摇杆-转向架机构的五倍以上，所需平均轮扭矩仅约17%，并能成功攀爬40厘米台阶。

本文提出SE(2)导航网格（SE(2) NavMesh），一种编码偏航依赖可通行性的多边形表示方法，用于地面机器人在复杂多层环境中的全局导航。该方法利用足迹掩膜评估可通行性，构建偏航特定层的图结构，并提出A*-String Pulling-A* (ASA)路径规划策略。仿真显示比经典导航网格多捕获50%以上可通行区域，并在真实机器人上验证了实时在线生成与导航。

BIFROST是一种新的仿真到现实迁移方法，通过跨域双模拟目标从原始观测中学习不变特征，使策略能够从仿真零样本迁移到现实。在视觉和动力学域差距的任务中，它优于现有方法。

CommonRoad-Game是一个轻量级的人机协同仿真框架，紧密集成于CommonRoad平台，用于测试运动规划器与人类驾驶员的实时交互。它采用多线程架构和鲁棒同步机制，支持确定性交互、可扩展的多智能体仿真，并包含场景生成模块以构建多样化的可重复测试用例。实验表明，该框架实现了稳定的时间同步，并能够无缝集成CommonRoad兼容的运动规划器。源代码已公开。

本文提出一种神经符号安全引导机制，用于基于流匹配的视觉-语言-动作（VLA）模型，实现预测性碰撞避免。该方法将安全执行表述为最小范数约束优化问题，在迭代去噪过程中纠正轨迹预测中的安全违规。在SafeLIBERO基准测试中，该方法实现了82.8%的碰撞避免率和81.6%的任务成功率，分别比单步方法提高6.3%和19.8%，尤其擅长长时域任务。

本文系统综述了ROS2中间件，提出了空间、时间和状态三个维度来分析其架构局限，尤其在动态无线环境下的权衡。

本文提出一种基于视觉语言模型（VLM）的适应性群体陪伴方法，使机器人能够跟随动态变化的人类群体。该方法利用VLM的语义推理能力推断同伴位置、保持社交距离并理解群体动态，结合模型预测路径积分（MPPI）控制器确保稳定性和安全性。实验表明，该方法在成功率上提升15%，碰撞率降低25%，用户研究认为其陪伴行为自然且符合社交规范。

本文提出WaveLander，一种基于强化学习的分层控制框架，用于解决无人机在波浪扰动海洋平台上的自主着陆难题。该框架将垂直着陆决策与低层飞行稳定控制解耦，强化学习策略输出垂直速度参考，传统控制器保持姿态和横向跟踪。仿真表明，WaveLander在随机波浪扰动下具有鲁棒性和泛化能力。

研究人员提出了一种名为“Sign in the Air to Unlock”的空中签名界面，利用点体素交叉注意力网络（PV-Net）在虚拟现实和增强现实环境中实现自然、安全且无缝的身份认证。该方法避免了传统密码、PIN及设备登录对沉浸体验的破坏，也无需专用传感器。在DeepAirSig数据集上等错误率为2.5%，在Meta Quest 2上收集的ImmAirSig数据集上分类准确率达76%。该工作展示了三维行为认证在沉浸式环境中的巨大潜力。

提出一种基于图的概念瓶颈模型G-CBM，通过无监督概念发现和图注意力网络实现内在可解释性，在多项基准上提升AUC。

本研究探索使用YOLOv10计算机视觉框架自动检测相机陷阱视频中的棕吼猴（Alouatta guariba），以监测树冠桥的使用情况，减少保护主义者人工审查假阳性图像的时间，从而提升保护工作效率。

本文探讨如何通过增强目标辨别、鲁棒适应和几何推理能力，缩小机器视觉跟踪系统与人类视觉感知之间的差距。

多主体个性化图像生成要求模型根据提示精确渲染所有参考身份及其交互，但现有模型常遗漏主体、改变外观或误分配交互。现有指标主要针对单主体保真度，在多主体场景下排序分离性和人类对齐能力严重下降。为此，研究者提出MIBE统一框架，包含多主体交互基准（MIB）和多主体交互评估器（MIE）。MIB通过解耦数据策略系统覆盖多样关系类型和场景复杂度，包含60K对VLM标记的银标集和4K对双盲人工评估金标集。MIE是一个轻量级、参考条件的评估器，仅在银标集上训练，采用双头排序与诊断目标，在金标集上实现了0.922的整体成对准确率，证明诊断监督能保持排序分离性和人类对齐。

MapDreamer是一种生成式扩散模型，能从单张航空图像直接合成带有显式拓扑结构的车道级向量地图。它利用变分自编码器学习车道中心线和拓扑关系的紧凑潜表示，并通过基于Transformer的潜扩散模型预测图结构。为了对齐生成地图与观测场景，每个去噪步骤通过交叉注意力注入密集的航空特征。针对场景中车道数量的变化，提出了车道基数模块和背景幽灵潜变量，防止扩散过程中的插槽坍缩。此外，滑动窗口全局图聚合策略将局部瓦片拼接成城市级地图，同时通过编码的车道边界保持连通性。在源自Argoverse 2的UrbanLaneGraph上的实验表明，其几何和拓扑保真度优于非生成式基线。

本文提出一种输入感知的可扩展专家模块，通过输入感知专家选择和时空选择机制，增强对相似外观身份的细粒度特征提取，在视频人物重识别任务上取得优异性能。

KathaTrace是一种与生成器无关的协议，用于诊断视觉叙事中的语义轨迹崩溃，即场景间语义连接丢失。研究者构建了KathaBench-25K数据集，包含5000个经典叙事，定义了语义轨迹差距（STG）指标。实验显示现有生成器的STG高达23.5±1.3。Semantic Compass利用KathaTrace信号进行后生成修复，改善故事板选择。

提出CPG-PAD框架，通过模型级概念引导的提示学习提升呈现攻击检测的跨域泛化能力。利用可解释AI自动发现攻击相关视觉概念，并注入提示空间，在九个基准数据集上取得最先进性能。

AnchorSplat是一种全新的3D原生细化范式，直接在3D结构上运行，避免了传统3D-2D-3D管线的昂贵优化开销。它通过点锚机制保证几何一致性，并用单次乘法替代迭代加密，无需原始多视图图像。实验表明，其吞吐量比优化方法快10^5倍，且在多种数据分布上具有鲁棒的零样本泛化能力。

TurnNat是一个基于似然的框架，用于自动评估双人对话中的话轮转换自然性。它通过因果预测模型计算未来语音活动的负对数似然来量化时序异常，并在扰动基准上验证了有效性。

RuleChef是一个利用大语言模型（LLM）为自然语言处理任务（如文本分类、命名实体识别、关系抽取）生成可执行规则的框架。它基于任务描述和标注示例生成规则，并通过额外示例和人类反馈迭代改进。LLM仅在训练阶段使用，最终产生快速、确定且可检查的规则系统。初步评估在分类和NER任务上进行，并开源发布。

Office Comprehension Bench (OCB) 是首个公开基准，用于评估大型语言模型在Word、Excel和PowerPoint原生文件格式上的理解能力。它包括两个测试轨道：文件保真度问答和领域问答。即使最先进的系统在默认推理模式下也仅达到约59.3%的准确率，提升思考深度效果有限，而升级产品层级能带来适度改善。研究团队已发布数据集、评估工具和排行榜。

研究人员提出RAGP，一种新的提示压缩方法，将文本建模为多重图，并利用莱维游走进行高效剪枝。在LongBench上以4倍压缩比平均得分49.3，优于现有基于LLM的方法。