机器之心数据服务现已上线，提供高效稳定的数据获取服务，帮助用户轻松获取所需数据。

北京亦庄的人形机器人“健身房”展示了国产机器人的最新成果，具备大模型、中英文对话和抓取物品的能力。天工是今年四月份在国内首发的纯电驱全尺寸人形机器人，具备42个自由度和高精度感知能力。创新中心推出了“天工”通用机器人母平台，打造具身智能大模型及框架。

本文介绍了一种高效生成多样化形状的概率三维生成模型，应用于元胞自动机，表现出色于形状补全和生成实验。同时，研究探讨了基于层次结构的编码器和递归神经网络在室内3D场景生成中的应用，展示了其生成多样化场景的优势。

该研究利用机器学习模型（如随机森林和深度学习）预测空气污染物浓度，涵盖伊比利亚半岛、布琼布拉市及全球197个首都的空气质量。通过数据驱动的方法，生成高分辨率的污染数据集，支持更精确的研究和监测，并探讨在资源有限国家自主预测空气质量的潜力。

这篇文章介绍了一个基于物理感知的单图去雾模型，使用了Curricular Contrastive Regularization方法。文章提供了模型的GitHub地址和代码，并给出了模型的输入和输出信息。代码使用了Microsoft.ML.OnnxRuntime和OpenCvSharp库。

提出了一种基于变换器的 360 图像扩充框架 Dream360，可以从用户选择的视口生成多样、高保真、高分辨率的全景图，考虑了 360 图像的球面特性，并通过两个关键学习阶段（基于 Spherical-VQGAN 的编码本全景扩充和新颖的频率感知细化）实现了更大的扩充灵活性和保真度。

本文介绍了一种使用NVIDIA TensorRT进行优化的高效且稳健的RGB-D分割方法，可作为场景分析系统的公共初始处理步骤。通过评估证明了RGB-D分割优于仅处理RGB图像的效果，并展示了该方法在室内和室外应用场景中的定性结果。

本文介绍了一种名为Stereo Radiance Fields (SRF)的新的神经视图合成方法，通过对输入的立体图像编码进行预测，得出每个3D点的颜色和密度。该方法适用于不同场景，只需要较少的稀疏视图作为输入。实验证明，SRF方法学习了结构而非过拟合，并且经过10-15分钟的微调后，比现有的场景特定模型具有更好的视觉效果。

本文提出了一种基于GNN的方法，利用语义和局部几何形状来指导点云注册候选项的识别。通过识别语义实例关系，减少了点云注册的计算负担。在KITTI测距数据集上测试，相较于基准方法，实现了竞争性的准确度和更高的轨迹平滑度，同时依赖更少的网络参数。

本文研究和评估了在室外神经辐射场中使用深度先验方法对深度感知技术和应用方式的影响。实验证明了训练具有深度先验的神经辐射场模型的有效性。