更强的模型之外，ACM MM 2026 还在关注什么？
第 34 届 ACM Multimedia 将于 2026 年 11 月 10 日至 14 日在巴西里约热内卢举行。四位主题演讲嘉宾分别聚焦具身 AI 参与人际交流、多人说话场景下的选择性听觉注意、AI 摘要“委托阅读”的责任审查，以及让青少年参与多媒体系统安全设计。这些议题显示多媒体研究正与更具体的人、更复杂的环境和更长远的影响结合。
#具身智能
雷峰网AI 评分2727
量子位AI 评分4848 清华大学联合无问芯穹、智元提出群体经验学习（CEL），让机器人从同伴身上学习
清华大学联合无问芯穹、智元提出群体经验学习（CEL）范式，让机器人从同伴的成功经验中学习，并在96台真实机器人集群上完成验证。两台未经训练的机器人经600次测试总体成功率达97.5%，五项任务成功率全部超过6名人类操作员平均水平；参与训练机器人从16台增至96台，成功率从86.7%提升到98.3%。
量子位AI 评分3030 威卡发布具身智能赋能工程机械高质量数据集
威卡移动控制总经理薛力戈在2026徐州第十届人工智能大会上发布“具身智能赋能工程机械高质量数据集”，已在 Hugging Face 等数据仓库开源上线。该数据集第一阶段规模达3600万帧，覆盖12类典型作业场景，通过统一时间戳同步视觉、激光、位姿、力馈、手柄输入五大维度数据。威卡称其可推动工程施工向少人化、无人化迈进，现阶段真机采集成本约每小时5000元，训练一套可用模型需10万小时量级数据。
量子位AI 评分5454 逐际动力更新开源工程底座 FluxVLA Engine V2 技术报告
逐际动力发布开源工程底座 FluxVLA Engine 的 V2 技术报告，新增在线强化学习后训练实验并扩展仿真评测与真机部署。
量子位AI 评分5353 逐际动力更新开源底座FluxVLA Engine V2技术报告，加入在线强化学习并扩展真机部署
逐际动力发布开源工程底座FluxVLA Engine的第二版技术报告，相比9月首版新增在线强化学习后训练实验，并扩展仿真评测与真机部署覆盖。
爱范儿AI 评分5656 UCSB 软体机器人插管系统 SRIS 在尸体测试中首次成功率 87%
UCSB Elliot Hawkes 团队基于藤蔓机器人原理设计软体机器人插管系统 SRIS，只有尖端推进、身体不动，无摩擦地沿弯曲气道自主导航。8 名经 5 分钟培训的急救人员尸检测试中，首次成功率 87%、平均耗时 21 秒，而视频喉镜为 63%、44 秒。
量子位AI 评分4444 小米披露仿生灵巧手技术探索成果：基于1827个工厂SOP验证，升级21自由度
小米机器人团队以小米汽车工厂柔性制造场景为设计原点，基于1827个标准作业程序（SOP）的数据采集与验证，推出全新21自由度仿生灵巧手。仿真消融分析显示，17~21自由度的平均稳定抓握成功率较6~15自由度提升15%~38%，其中21自由度提升最大，而23度及以上边际收益下降。该灵巧手采用混合驱动与腱绳张力控制方案，并优化散热体系和全掌触觉。
雷峰网AI 评分5151 IROS 2026 最佳论文 LT-Mem 与贝塔无限 BetaMem：具身长记忆方案解析
贝塔无限 10 月 20 日在 arXiv 发布 BetaMem 长时空多模态记忆架构论文，使用 Qwen3.5-9B 生成记忆，在 M3-Bench-robot、LoCoMo、OpenEQA 和 EgoLifeQA 四项基准均取得 SOTA。
雷峰网AI 评分5454 北大董豪团队推出 HIL-UMI，让具身后训练摆脱真机依赖
北大和启元机器人董豪团队推出 HIL-UMI，在 UMI 手持夹爪采集中加入模型预测，通过动作分歧检测和优势估计器定点捕获模型盲区，实现无本体后训练纠错。真实机械臂四项任务测试中，相同数据预算下平均任务进度分从常规 SFT 的 58.0 提升到 94.8，整理桌面任务有效数据采集效率较真机 HG-DAgger 提升 5.63 倍。
新智元AI 评分3131 具身智能体长程记忆：看见不等于记住，浙大提出具身记忆基准
浙大团队提出具身智能体长程记忆基准，评估智能体能否记住并复用已见过的环境信息。家庭机器人即使刚在茶几上看见一本书，完成任务后接到取书指令仍会挨个房间搜索，甚至反复尝试同一个打不开的抽屉。该基准旨在揭示“看见不等于记住”的问题。
雷峰网AI 评分4949 宾大茅佳源：从单次演示到 83% 真机泛化，破解具身智能数据困局
UPenn、MIT 与 Stanford 联合团队的茅佳源在 IROS 2026 分享了具身智能泛化机制，提出诊断视觉与动作脱节的 TR 指标（时间比率），并介绍仅需一次人类演示即可泛化执行非抓取任务的 RAPID 闭环框架。
钛媒体AI 评分6262 杨立昆新模型 H-JEPA 反对 Agent 与 RSI 叙事
杨立昆提出分层联合嵌入预测架构 H-JEPA，把多个 JEPA 逐层堆叠，每层在各自表征空间预测不同时间跨度的状态，规划时由高层给出粗略目标、下层细化到动作。论文以 Visual AntMaze 迷宫任务为参照，单层 LeWM 成功率 18%，三层 H-JEPA 达到 73%；但在 Push-T 任务中三层、四层表现反而下降，论文推测是短轨迹限制了高层可用的训练数据。
雷峰网AI 评分5050 WorldArena 2.0 挑战赛结果揭晓：JEPA 与空间智能路线正面交锋，视启未来、小米机器人分获赛道第一
WorldArena 2.0 Challenge 在 IROS 2026 揭晓终榜，视启未来 WorldIncept 以 72.33 分拿下 Track 1 视频质量赛道第一，同济大学 BWM-Turbo 以 71.49 分位列第二。
雷峰网AI 评分5858 哥大李昀烛团队在 IROS 2026 介绍 FlexiTac 触觉传感器开源实践
哥伦比亚大学李昀烛团队在 IROS 2026 触觉专题研讨会上介绍了开源柔性压阻式触觉传感器平台 FlexiTac 开源一年半后的进展与生态。该传感器采用 FPC 与力敏薄膜层叠结构，组装仅需 3 分钟，可弯曲裁剪并适配手套、指尖或机器人皮肤，团队开源了完整 BOM、装配说明和读取软件，并集成进 LeRobot 框架。
量子位AI 评分6666 星动纪元VPP2登顶RoboDojo榜单，14B模型零样本真机成功率58.5%
星动纪元自研的世界动作模型VPP2登顶RoboDojo仿真榜单，综合平均成功率32.26%、平均得分39.26分，两项均列第一，领先GPT-6-Astra的22.48%和28.97分。
量子位AI 评分6262 MirroS 发布 AgentGarten：代码物理加神经渲染让智能体边玩边进化
MirroS 团队发布 AgentGarten，将可执行代码环境与实时神经渲染器连接，代码定义物理规则、模型生成视觉反馈，以超过 30 fps 的吞吐让智能体持续与世界交互。
Microsoft Research精选AI 评分6262 微软研究院：将物理 AI 推理卸载到边缘或云端可提升机器人表现与续航
微软研究院对移动操作机器人工作负载做了首次系统性研究，发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU，可提升任务成功率、支持更大模型并延长续航。
推荐理由：微软研究院系统测量了机器人端侧推理的瓶颈，并给出可复用的 Kubernetes 卸载工具链，读者可据此判断物理 AI 的部署取舍。