ScaleNav：用互联网第一人称视频预训练可扩展的语言条件局部导航
本文提出 ScaleNav，用无需动作标注的互联网第一人称视频学习「朝指令目标移动时画面如何变化」的导航先验，再借助少量带动作标注的仿真数据把先验转成可执行动作块，从而缓解真实机器人数据昂贵、仿真数据存在现实差距的问题。
Janus' Blogs
写 Django、工程实践和 AI 论文阅读笔记。
最新文章 2026-10-21
AI 阅读
AI 阅读
BlenderWorld：以真实世界参考为输入的3D创作视觉智能体评测基准
论文提出 BlenderWorld，用223个贴近真实生产需求的 Blender 3D 创作任务与「多视角渲染+分项二元评分+结构检查」的统一评测协议，检验视觉智能体能否从文本、图像、视频参考中真正构建出结构可靠的3D作品。
AI 阅读
OpenMobile-2：用可扩展环境与应用原生工具构建通用移动智能体
该工作面向开放社区缺乏可扩展移动训练环境与数据的困境，构建了涵盖110余个应用的可控模拟与仿真环境、近12K轨迹与2K余可验证强化学习任务，并提出GUI动作与应用原生工具交替使用的混合交互范式。
AI 阅读
PaperBanana：为 AI 科学家自动化生成学术插图的智能体框架
论文提出 PaperBanana，用检索参考图、内容与风格规划、生成和自评迭代的多智能体流程，把方法章节文本与图注自动转成接近发表水准的方法示意图和统计图。