全向视觉（omnidirectional vision）凭借 360 度视角感知环境的能力，已在机器人、工业检测和环境监测等领域变得日益关键。相较于传统的针孔视觉，全向视觉能够提供对环境的全局感知，显著提升了场景理解的完整性与决策的可靠性。然而，该领域的基础研究长期以来落后于传统针孔视觉的发展。
在此背景下，香港科技大学联合索非亚大学 INSAIT 研究所、上海交通大学等国内外高校和机构，结合学术界与产业界的洞察，提出了一种面向具身人工智能时代的理想全景系统架构------PANORAMA，并深入探讨了全景视觉与具身人工智能交叉领域中的新兴趋势及其跨学科影响，并展望了未来的发展路线图与亟待解决的开放性挑战。
论文链接 ：https://go.hyper.ai/1ncK7
最新 AI 论文 ：https://go.hyper.ai/hzChC
为了让更多用户了解学术界在人工智能领域的最新动态，HyperAI超神经官网（hyper.ai）现已上线「最新论文」板块，每天都会更新 AI 前沿研究论文。以下是我们为大家推荐的 5 篇热门 AI 论文，一起来速览本周 AI 前沿成果吧 ⬇️
本周论文推荐
1. Are Large Pre-trained Vision Language Models Effective Construction Safety Inspectors?
随着强大视觉语言模型（VLMs）的兴起，研究人员开始探索其在从现场图像中检测安全规则违规行为等任务中的应用。本文提出 ConstructionSite 10k 数据集，包含 10,000 张施工现场图像，并为三个相互关联的任务提供标注，包括图像描述生成、安全规则违规视觉问答（VQA）以及施工元素视觉定位（visual grounding）。
论文链接： https://go.hyper.ai/AiMnv
三个任务提供标注
2. Deep CORAL: Correlation Alignment for Deep Domain Adaptation
本文针对目标领域未标记的情况，需要进行无监督适应。CORAL 通过线性变换对齐源域和目标域的二阶统计量。本文在此基础上扩展了 CORAL，以学习一种非线性变换，该变换可以对齐深度神经网络各层激活之间的相关性（深度 CORAL）。在标准基准数据集上的实验表明，该方法达到了最先进的性能。
论文链接： https://go.hyper.ai/JO5Ce
示例架构图
3. Discovery of Unstable Singularities
本文首次系统性地发现了新的不稳定奇点族，为探索非线性偏微分方程（PDE）复杂多样的解空间，以及应对数学物理领域长期存在的难题，提供了一套全新的方法论。
论文链接： https://go.hyper.ai/X1Vm1
研究流程图
4. DeepSeek-R1 incentivizes reasoning in LLMs through reinforcement learning
本文表明，通过纯粹的强化学习（RL）即可有效激发大语言模型的推理能力，从而无需依赖人工标注的推理轨迹。所提出的RL框架促进了高级推理模式的涌现，由此训练出的模型在可验证的任务（如数学求解、编程竞赛及 STEM 领域）中表现出卓越性能，超越了通过传统监督学习训练的同类模型。
论文链接： https://go.hyper.ai/h7ki2
基于强化学习的训练中提出的 GRPO 说明
5. PANORAMA: The Rise of Omnidirectional Vision in the Embodied AI Era
本文提出了一种面向具身人工智能时代的理想全景系统架构------PANORAMA，该架构由四个关键子系统构成。此外，研究人员还深入探讨了全景视觉与具身人工智能交叉领域中的新兴趋势及其跨学科影响，并展望了未来的发展路线图与亟待解决的开放性挑战。
论文链接： https://go.hyper.ai/1ncK7
系统架构概述
以上就是本周论文推荐的全部内容，更多 AI 前沿研究论文，详见 hyper.ai 官网「最新论文」板块。
下周再见！