阿里千问开源Qwen-Drive-1.0-4B：自动驾驶视觉语言模型新突破
与主打空间计算和沉浸式AR体验的Vision Pro不同，这款全新眼镜定位为轻量化AI穿戴设备，将视觉智能技术深度融入Siri，旨在革新用户与现实世界的交互方式。其核心交互依赖摄像头、麦克风和扬声器，使Si…
在非全面屏时期，怎么让屏幕在视觉上更有震撼力，十几年前就已经是手机设计的一大课题了。
在2026中国国际大数据产业博览会展馆内，贵州省天地伟业数码科技有限公司带来多款AI创新成果集中亮相，展示人工智能技术赋能城市治理、公共安全、企业管理等领域的实践成果。 本届数博会，天地伟业聚焦“AI赋能行…
Aghajanyan和Shrivastava认为，他们的工具与现有模型的不同之处在于其通用性——它并非为某一特定的重复性任务而构建，而是能够根据所处的具体环境或情境灵活适应。A：Isaac 0.5是Per…
这次更新重点上线两大实用新功能，同时优化视觉界面、修复已知bug，日常打字、办公文字处理效率大幅提升。
新版系统聚焦系统材质全面升级，在保持最大化通透感的基础上，优化了信息的清晰可读性，降低非必要的视觉干扰，全局材质应用也更加统一。
该论文提出了一套视觉驱动的反应式足球技能学习框架，让人形机器人仅依靠机载视觉，在动态环境中连续完成找球、追球、调整步态和多方向射门。
多模态这事上，梁文锋还是梁文锋，但他学会了放低姿态。
等了四个月，DeepSeek的多模态模型：deepseek-v4-flash-vision-exp，终于发布。
DeepSeek多模态视觉理解模型上线，API开放助力开发者解锁新场景
据官方介绍，用户可以通过设置 model='deepseek-v4-flash-vision-exp' 来访问 V4-Flash-Vision-Exp 模型的 API。
据介绍，模型重点围绕真实视觉任务重新完善训练数据、任务设计与后训练流程，强化视觉质量、复杂指令遵循、文字与布局、原生4K、原生图像编辑和精细视觉控制等，提供更高可控性、更高清、更高性价比的能力工具，推动AI视觉生成真正跨越到“稳定完成真实视觉交付”的新阶段。
相比预览版，正式版重点围绕真实视觉任务优化训练数据与后训练流程，强化了复杂指令遵循、原生图像编辑、文字布局与原生4K输出等能力，旨在让AI视觉生成从“能看”走向“稳定完成真实视觉交付”。
为什么我们还需要MiniMax Design
“传统视觉感知链路中，光信号需经过图像传感器采集、模数转换、缓存搬运、数字分块与嵌入等多道工序，才能生成模型可处理的词元，海量冗余数据的频繁搬运导致边缘端能耗居高不下。” 缪峰表示，这一成果从根本上颠覆了“…
这款移动机器人由激光雷达导航底盘、六轴协作机械臂、深度视觉相机、无针注射模块共同组成，依靠AI视觉算法识别猪只体态，优先捕捉猪进食的状态。
在该模型加持下，宇树人形机器人实现了手 — 眼 — 脚协同，可右脚控制油门，并在驶出弯道前快速转向，将视觉时机、精准油门控制与驾驶语义结合起来。
像真人、能干活、会带货……
AirPods上的摄像头将把信息输入“视觉智能”，而Siri将能够回答佩戴者关于周围环境的问题，并记录信息。
06/25 00:14
06/25 00:13
06/13 18:29
06/13 18:26
06/13 18:25
06/13 18:23
06/13 18:20
06/13 18:16
京公网安备 11011402013531号