多模态大模型

A Multimodal Depth-Aware Method For Embodied Reference Understanding

一种多模态深度感知方法用于具身参照理解

Fevziye Irem Eyiokur, Dogucan Yaman, Hazım Kemal Ekenel, Alexander Waibel

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； KIT Campus Transfer GmbH (KCT)（KIT校园转移有限公司） ； Istanbul Technical University（伊斯坦布尔技术大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 多模态Agent ：multimodal(title)；分类 cs.CV

AI总结 本文提出一种多模态深度感知方法，结合语言模型数据增强、深度图模态和深度感知决策模块，提升复杂环境中的参照物识别准确性。

Comments Accepted by ICASSP 2026

Virtual-reality based patient-specific simulation of spine surgical procedures: A fast, highly automated and high-fidelity system for surgical education and planning

基于虚拟现实的患者特异性脊柱手术模拟：一种快速、高度自动化和高保真的系统，用于手术教育和规划

Raj Kumar Ranabhat, Tayler D Ross, Tony Jiao, Jeremie Larouche, Joel Finkelstein, Michael Hardisty

机构 * Holland Bone and Joint Program, Sunnybrook Research Institute（霍尔德骨科与关节程序，圣布鲁诺研究学院） ； Division of Spine Surgery, Sunnybrook Health Sciences Centre（脊柱外科部，圣布鲁诺健康科学中心） ； Division of Orthopaedic Surgery, Department of Surgery, University of Toronto（骨科部，外科部，多伦多大学） 纠错

专题命中 多模态Agent ：multimodal(abstract)；分类 cs.CV

AI总结 本文提出利用AI和计算机视觉生成患者特异性脊柱减压模拟，通过多模态融合和分割技术提高建模精度，提升手术教育和规划效率。

ATLAS: An Annotation Tool for Long-horizon Robotic Action Segmentation

ATLAS：一种用于长时程机器人动作分割的标注工具

Sergej Stanovcic, Daniel Sliwowski, Dongheui Lee

机构 * Autonomous Systems Lab, Technische Universität Wien (TU Wien)（自主系统实验室，维也纳技术大学） ； Institute of Robotics and Mechatronics, German Aerospace Center (DLR)（机器人与机电研究所，德国航空航天中心） 纠错

专题命中 多模态Agent ：multi-modal(abstract)；分类 cs.AI

AI总结 本文提出ATLAS，一种专为长时程机器人动作分割设计的标注工具，支持多模态数据同步可视化和多种数据集格式，提升了标注效率和时间对齐精度。

Comments 7 pages, 2 figures, 2 tables

EvolvingAgent: Curriculum Self-evolving Agent with Continual World Model for Long-Horizon Tasks

EvolvingAgent: 基于持续世界模型的课程自进化代理用于长周期任务

Tongtong Feng, Xin Wang, Zekai Zhou, Ren Wang, Yuwei Zhan, Guangyao Li, Qing Li, Wenwu Zhu

机构 * Department of Computer Science and Technology, Beijing National Research Center for Information Science and Technology, Tsinghua University（计算机科学与技术系，北京信息科学与技术国家研究中心，清华大学） ； Department of Computer Science, University of Sydney（计算机科学系，悉尼大学） ； Department of Electronic Engineering, Tsinghua University（电子工程系，清华大学） 纠错

专题命中 多模态Agent ：multimodal(abstract)

AI总结 本文提出EvolvingAgent，通过持续世界模型实现自主完成长周期任务，采用任务规划、动作控制和反思模块，提升Minecraft和Atari环境中的性能。