LeCun团队推出PEVA模型，实现了16秒的连贯场景预测，赋予机器人具身智能，能够主动理解环境。该模型通过结构化动作表示和条件扩散Transformer，模拟人类预判能力，提升智能体的动作规划和视觉生成，标志着AI从“人工智障”向“人工预判”的进化。

本文介绍了多种基于触觉传感技术的研究，包括深度触觉模型、触觉显著性预测、模拟器TACTO及事件驱动的视觉触觉感知系统。这些研究旨在提升机器人在物理交互中的感知能力和控制精度，强调了触觉反馈在场景预测和物体重建中的重要性。

本文探讨了自动驾驶系统的改进方法，包括基于数据驱动的驾驶风格调整、场景解释与预测、驾驶员分心检测等。研究表明，个性化控制能显著提高用户接受度，并提出了多智能体强化学习的决策方法，以适应不同驾驶员的行为。