1. 引言
计算机视觉领域常常被复杂的 3 D 重建任务困扰，传统方法需要漫长优化与昂贵计算。但现在，Facebook Research 团队开源的 VGGT（CVPR’25 论文工作）改变了游戏规则。这款前馈 Transformer 模型只需单张到数百张图像输入，几秒钟内直接输出相机位姿、深度图、点云及运动轨迹四大核心结果，无需任何迭代优化。技术发烧友们，是时候体验“一键生成 3 D 世界”的未来了。
2025年06月23日
计算机视觉领域常常被复杂的 3 D 重建任务困扰，传统方法需要漫长优化与昂贵计算。但现在，Facebook Research 团队开源的 VGGT（CVPR’25 论文工作）改变了游戏规则。这款前馈 Transformer 模型只需单张到数百张图像输入，几秒钟内直接输出相机位姿、深度图、点云及运动轨迹四大核心结果，无需任何迭代优化。技术发烧友们，是时候体验“一键生成 3 D 世界”的未来了。
2025年06月23日
相关媒体报道，逐际动力LimX Dynamics发布多形态双足机器人TRON 1感知拓展套件，通过集成激光雷达和深度相机，搭载高算力模组，依托TRON 1的复杂地形运动能力，将感知相关科研任务拓展到多地形三维空间，为三维建图、重定位、路径规划、自主导航等关键科研任务提供开箱即用的软硬件支持。
当机器人感知研究还在实验室里“转圈”时，逐际动力用TRON 1感知拓展套件撕开了一道裂缝——这道裂缝通向崎岖山地、破碎废墟和未知荒野。这款为双足机器人打造的“感知外挂”，不仅让激光雷达与深度相机首次在复杂地形上实现“手脚并用”，更将学术界纠缠多年的三维建图、自主导航等难题，从理论沙盘推向了真实世界的战场。
2025年06月23日
Efficient and Probabilistic Adaptive Voxel Mapping for Accurate Online LiDAR Odometry
论文地址：
2025年06月23日
一、早期阶段：规则驱动与CNN的局限性
（一）传统规则与机器学习算法的困境
自动驾驶技术起源可追溯到上世纪80年代，早期像美国卡耐基梅隆大学NavLab项目，主要依靠基于规则的算法，如Mobileye早期EyeQ芯片方案，以及传统机器学习方法，比如支持向量机。这类系统需要工程师手动设定特征提取逻辑，像车道线颜色阈值，以及决策树，例如跟车距离计算方式。但存在两大关键问题：
2025年06月23日
近日，全球AMR引领者极智嘉(Geek+)联合卡耐基梅隆大学(CMU)提出了的全新提取对象描述符算法，并成功在著名机器人期刊IEEE Robotics and Automation Letters(RA-L)上发表，充分印证了极智嘉在移动机器人视觉感知和V-SLAM定位导航方面的创新能力与技术实力备受学术权威的认可！
IEEE Robotics and Automation Letters (RA-L)是机器人领域的知名短文顶刊，属JCR一区期刊，在Google h5-index上机器人领域综合排名第二，期刊排名第一，享有较高知名度和权威性。
2025年06月23日
以下内容来自从零开始机器人SLAM知识星球 每日更新内容
#论文# DynaVIG: Monocular Vision/INS/GNSS Integrated Navigation and Object Tracking for AGV in Dynamic Scenes
2025年06月23日
我们在这项工作中提出一种从单张RGB图片估计车辆在相机坐标系中姿态的方法。与传统方法不同的是，我们不采用先估计观测角再进行转换的二步方法，而是通过提取有几何意义的中间特征直接估计车辆姿态。如何设计这样的中间特征并有效地监督模型学习这样的特征是本文主要探索的研究问题。我们提出用一种插值立方体的表示编码车辆的朝向，并定义其在图片的投影点坐标作为中间几何特征。这样的定义只使用原始的标注从而不依赖于更富有细节的标注。这样定义中间特征同时引入了基于投影不变的先验知识。我们根据这样的先验信息提出了一项可以在无标注数据上计算的损失函数，从而可以利用无标注的数据监督中间特征的学习。本文实现的基于单目相机的系统在KITTI数据集上取得了良好的车辆姿态估计精度，甚至可以与一些双目系统相比。相关的代码和预训练模型已经在项目网站开源。
2025年06月23日
特征模型(features model)是人工智能深度学习的灵魂，其优劣程度决定了前端推理结果的成败，包括计算性能与精确度的综合考量，是整个人工智能应用的最关键环节，而