NVIDIA 发布 Foundation4D:多相机视频统一 4D 感知与重建,免激光雷达
Scobleizer · x · 2026-10-28
NVIDIA Research 发布 Foundation4D,一个面向自动驾驶的统一 4D 感知与重建基础模型,可将多相机驾驶视频直接转化为几何、3D 物体、语义占用栅格与高斯溅射重建。
- 共享骨干网络跨相机、跨时间融合信息,视频处理模块进一步优化相机轨迹并将物体串联成跟踪链
- 用于 NVIDIA Omniverse NuRec 重建时,以预测的几何与轨迹作为先验,无需激光雷达输入即可完成数据集标注准备,大幅简化训练数据生产
- 同步发布 PAI-Foundation4D 基准,包含 1,253 段带稠密深度与占用标注的驾驶片段
- 论文对比中成绩领先:Waymo 深度估计 AbsRel 0.09(δ₁.₂₅ 达 91.97%),nuScenes 上 0.15;相机轨迹精度(ATE)大幅优于 DVGT-1 等对比方法
项目页、白皮书与数据集均已公开。
「具身」频道最新
- 芝加哥大学 CS 携四篇全论文亮相 UIST 2026：磁性颗粒、触觉戒指与电触觉 — plopesresearch · 2026-10-28
- Robotaxi 休斯敦被曝服务区图造假：跨两个街区要坐 40 分钟 — reed · 2026-10-28
- 独立开发者让基于人体测量的自制机器人迈出第一步 — IanPritchard · 2026-10-28
- Reward AI OM-1 借 Omnibody 手套从人类演示学操作技能 — CyberRobooo · 2026-10-28
- 4名斯坦福新生36小时造出助行机器人,夺全球最大黑客松大奖 — Scobleizer · 2026-10-28
- 东京大学提出 Just Action Model:VLA 与世界模型之争可解耦 — Yonghao Yu · 2026-10-28