الكاتب丨ما شياو نينغ
المحرر丨تسينغ فنغ
يوم 30 سبتمبر بالتوقيت المحلي، اختتم المؤتمر الرئيسي لـ IROS 2026 فعالياته في بيتسبرغ بالولايات المتحدة، وجرى الإعلان رسميًا عن الجوائز الرئيسية لهذه الدورة في اليوم الأخير. تفيد AI科技评论 من الموقع أن جائزة Best Paper Award لهذا العام مُنحت أخيرًا لبحث حول "الذاكرة طويلة الأمد" للروبوتات. وحصل Yumin Lee وHyoseok Ju وGiseop Kim على أفضل ورقة عن 《LT-Mem: Volatility-Aware Spatio-Temporal Memory for Lifelong Scene Understanding》. أما جائزة Best Student Paper Award فذهبت إلى Pei-An Hsieh وFengjun Yang وNikolai Matni وM. Ani Hsieh. يركز بحثهم على كيفية تعامل طائرات مسيّرة رباعية المراوح متعددة مع الاضطرابات المعقدة لتيارات الهواء بينها عند الطيران في تشكيل على مسافات قريبة جدًا. أما جائزتان لافتتان آخرتان فقد اقتضتاهما الروبوتات البشريّة. عملٌ جعل الروبوت البشريّ يتعلم حركات التنس من لاعبين حقيقيين، وآخر جعل الروبوت البشريّ يحمل صينية ويحافظ على ثبات الأجسام فوقها أثناء المشي على قدمين. وإذا نظرنا إلى الأوراق الفائزة هذا العام جنبًا إلى جنب مع Best Paper Finalist، فإن اتجاهات مثل الذاكرة طويلة الأمد وVLA ونماذج العالم وفهم المشاهد 4D والتحكم الرؤوي-اللمسي والتحكم في الطيران والروبوتات البشريّة والروبوتات اللينة وروبوتات التصنيع الحيوي ظهرت جميعها في القائمة. وبدلًا من مجرد مناقشة "المهارات الجديدة" التي تعلمها الروبوت، بدأت مجموعة من الأعمال الفائزة هذا العام تلامس مشكلة أكثر واقعية: عندما يدخل الروبوت فعليًا إلى بيئات العالم الحقيقي، كيف نجعل هذه القدرات تعمل باستمرار وبشكل مستقر؟
01
أفضل ورقة تمنح الروبوت "ذاكرة طويلة الأمد"
إذا عاش روبوت في المكان نفسه لمدة عام، فماذا ينبغي أن يتذكر؟ هذا هو السؤال الجوهري وراء أفضل ورقة في IROS هذا العام. عنوان الورقة الفائزة لـ Yumin Lee وHyoseok Ju وGiseop Kim هو 《LT-Mem: Volatility-Aware Spatio-Temporal Memory for Lifelong Scene Understanding》. بالنسبة لمعظم أنظمة الروبوتات اليوم، فإن "فهم مشهد" ما هو في الغالب فهم المشهد في اللحظة الراهنة. يدخل الروبوت مكتبًا، يرى طاولة وكراسي وطابعة، فيمكنه بناء تمثيل للمشهد؛ وفي اليوم التالي نُقلت كرسي، فيمكنه تحديث خريطته بناءً على الملاحظات الجديدة. ومن هنا تنشأ المشكلة. إذا استمرت الحالات الجديدة في الكتابة فوق الحالات القديمة، فإن الروبوت يعرف "كيف هي الأمور الآن" لكنه يفقد تدريجيًا "كيف كانت الأمور في الماضي". تسمي LT-Mem هذه الظاهرة temporal amnesia، أي النسيان الزمني. بالنسبة للروبوتات التي تعمل فعليًا على المدى الطويل، قد يكون التاريخ مهمًا للغاية. فالجدار نادرًا ما يتحرك، وكرسي المكتب يُزح أحيانًا، وحقيبة الإنسان قد تظهر في مواضع مختلفة كل يوم، وموقف سيارات قد يُظهر نمط إشغال دوريًا معينًا. الروبوت لا يحتاج فقط إلى التعرف على هذه الأشياء، بل يحتاج أيضًا إلى معرفة ما يتغير، وكم مرة يتغير، وكيف تغيّر في الماضي. لذلك لم تكتفِ LT-Mem بمجرد توسيع النموذج، بل صممت بنية ذاكرة طويلة الأمد متعددة الطبقات تضم ثلاث طبقات: Live Memory وDelta Memory وMeta Memory. تحفظ Live Memory حالة العالم الحالية، وتسجل Delta Memory التغييرات التي طرأت على المشهد، بينما تلخص Meta Memory الأنماط من التاريخ الطويل. ومن المفاهيم المهمة خصوصًا في هذا النظام مفهوم Volatility، أي التقلب. يحكم الروبوت بناءً على تكرار تغير كل كائن في التاريخ ما إذا كان مكوّنًا بيئيًا مستقرًا نسبيًا أم كائنًا يتغير كثيرًا، ويقرر بناءً على ذلك كيف ينظم ذاكرته. وبالتالي لم تعد المشكلة أمام الروبوت مجرد "أين الكرسي الأخضر"، بل يمكن أن تتطور إلى "أين ظهر هذا الكرسي الأخضر في الماضي"، و"متى يكون موقف السيارات هذا أكثر احتمالًا ليصبح شاغرًا"، و"هل موقع هذا الكائن مستقر بما يكفي ليكون مرجعًا للملاحة طويلة الأمد". هذا أيضًا هو الفرق المهم بين lifelong scene understanding وفهم المشهد العادي. فالروبوت لا يواجه صورة ثابتة، بل عالمًا له تاريخ. في النهاية، تفوقت LT-Mem على 10 أوراق من Best Paper Finalist هذا العام. وإلى حد ما، يعكس هذه النتيجة أيضًا مشكلة متزايدة الواقعية يواجهها بحث الروبوتات: إذا كان على الروبوتات أن تعمل فعليًا بشكل متواصل لشهور أو حتى سنوات في المستقبل، فكيف ينبغي لها أن تفهم الزمن؟02
من "الطيران المتلاصق" إلى التنس وحمل الصواني
إذا كانت Best Paper تناقش زمنًا يُقاس بالشهور أو حتى بالسنوات، فإن Best Student Paper هذا العام تبحث في مشكلة تحدث خلال أجزاء من الثانية. فازت ورقة Pei-An Hsieh وFengjun Yang وNikolai Matni وM. Ani Hsieh بعنوان 《Flatness-Preserving Residual Learning for Real-Time Tight Quadrotor Formation Flight》 بجائزة IROS 2026 Best Student Paper Award. طيران الطائرات المسيّرة المتعددة في تشكيل ليس مشكلة جديدة؛ ما هو صعب حقًا هو ما يجب فعله عندما تحلق قريبة جدًا من بعضها. فتيار الهواء الهابط الناتج عن الطائرة الرباعية المراوح يؤثر في الطائرات القريبة. وعندما تتقلص المسافة بين الطائرات المسيّرة أكثر، تصبح هذه الاضطرابات الأيروديناميكية المعقدة بسرعة غير قابلة للإهمال. لذلك أدخل الباحثون physics-informed residual dynamics learning، حيث يعوّض نموذج التعلم التأثيرات الأيروديناميكية التي يصعب على النموذج الديناميكي التقليدي وصفها بدقة، مع الحفاظ على differential flatness للنظام، مما يتيح مواصلة الاستفادة من أساليب تخطيط المسارات والتحكم الفعالة. دخلت هذه الورقة أيضًا قائمة Best Paper Finalist وحصلت في النهاية على Best Student Paper Award. لكن الروبوتين الأكثر قابلية للفهم لدى القارئ العادي على منصة التتويج هذا العام قد يكونان الآخرين، لأن أحدهما يلعب التنس والآخر يحمل صينية. فاز Zhang Zhikai وHaofei Lu وYunrui Lian وZiqing Chen وYun Liu وChenghuai Lin وHan Xue وتسنغ تسي تشنغ وZekun Qi وShaolin Zheng وQing Luan وJingbo Wang وJunliang Xing ووانغ خه وLi Yi وآخرون بجائزة Best Entertainment and Amusement Paper Award عن ورقتهم 《Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data》. التنس بالنسبة للروبوت البشريّ مهمة حركية شاملة للجسم قاسية للغاية. فالأمر لا يقتصر على تحريك الذراع الآلية بالضربة، بل يحتاج الروبوت أيضًا إلى مراقبة الكرة القادمة وتحريك جسمه وضبط مركز ثقله والتحكم في توقيت ضرب الكرة، مع تنسيق الساقين والجذع والذراعين. سؤال رئيسي في هذا العمل مكتوب بالفعل في العنوان: Imperfect Human Motion Data. فبيانات الحركة البشرية في الواقع ليست دائمًا كاملة ومعيارية ودقيقة، وإذا تطلب تعلم كل مهارة رياضية جمع كميات كبيرة جديدة من بيانات التقاط الحركة عالية الجودة، فإن البيانات نفسها ستصبح عائقًا كبيرًا أمام توسيع مهارات الروبوتات البشريّة. يحاول هذا العمل تمكين الروبوت من استخراج مهارات الحركة ودمجها من بيانات حركة بشرية غير كاملة، لتنفيذ مهمة التنس على روبوت بشريّ في النهاية. أما الورقة الفائزة الأخرى فليست بهذا "البريق"؛ فالروبوت يمشي حاملًا صينية فقط. فاز Anlun Huang وZhenyu Wu وSoofiyan Atar وYuheng Zhi وMichael C. Yip بجائزة Best Paper Award on Mobile Manipulation عن ورقتهم 《SteadyTray: Learning Object Balancing Tasks in Humanoid Tray Transport Via Residual Reinforcement Learning》. لكن "المشي" و"المشي حاملًا أشياء" هما في الواقع مشكلتان مختلفتان تمامًا. إذ يولّد الروبوت ذو القدمين أثناء المشي تمايلًا وصدمات لا مفر منها، وإذا لم تكن الأجسام فوق الصينية مثبتة، تنتقل هذه الاضطرابات إليها مباشرة. فحقيقة أن الروبوت لم يسقط لا تعني أن الكوب لن يسقط. فكرة SteadyTray ليست إعادة تدريب نموذج كبير واحد يتكفل بجميع المشكلات، بل فصل locomotion عن payload stabilization. فسياسة الأطراف السفلية الموجودة تتكفل بالمشي، بينما تتعلم residual policy إضافية كيفية استخدام حركات الجزء العلوي من الجسم لتعويض الاضطرابات التي تتلقاها الصينية. وهو ما يمثله هذا العمل من تغير واضح في الروبوتات البشريّة خلال السنوات الأخيرة: يتحرك البحث من locomotion الخالص نحو loco-manipulation، حيث لا يحتاج الروبوت فقط إلى تحريك جسمه، بل يجب عليه أيضًا إنجاز المهام أثناء الحركة.03
الملاحة، وارتداء الملابس، والزراعة، والأعمال تحت الماء،
الروبوتات تدخل عالمًا أكثر تحديدًا
إذا كانت الذاكرة طويلة الأمد والروبوتات ذات الشكل البشري والطائرات المسيّرة تمثل أبرز الاتجاهات في نتائج جوائز هذا العام، فإن بقية الجوائز الخاصة تُظهر عدد البيئات الواقعية المختلفة التي تدخلها الروبوتات. حصل بحث《VL-Nav: A Neuro-Symbolic Approach for Reasoning-Based Vision-Language Navigation》 لكل من Yi Du وTaimeng Fu وZhipeng Zhao وShaoshu Su وZitong Zhan وQiwei Du وZhuoqun Chen وBowen Li وChen Wang على جائزة Best Paper Award on Cognitive Robotics. يشير هذا العمل إلى مجال Vision-Language Navigation الذي أصبح بالغ الأهمية في السنوات الأخيرة. فالملاحة الروبوتية تتحول تدريجياً من «التحرك من النقطة A إلى النقطة B» التقليدية إلى فهم البيئة والأجسام والعلاقات المكانية بناءً على الأوصاف اللغوية قبل اتخاذ الإجراء. وقد اختار VL-Nav نهجاً من نوع neuro-symbolic، محاولاً الجمع بين القدرة الإدراكية القوية للشبكات العصبية والاستدلال الرمزي المهيكل. أما الورقة البحثية الفائزة الأخرى فقد أعادت تصميم شيء نستخدمه كل يوم، وهو السحاب (ال zipper). حصل بحث《Design, Modeling, and Performance of a Robotic Zipper for Self-Donning Clothing》 لكل من Amanda Weckerly وWooseok Kim وMegan Coram وEllen Li وSophie Lin وGabriel Unger وIsabella Szabo وAllison M. Okamura وCynthia Sung على جائزة Best Paper Award on Robot Mechanisms and Design. والمثير للاهتمام في هذا العمل أن الباحثين لم يكتيفوا بجعل الروبوتات أكثر تعقيداً، بل أعادوا تصميم العالم الفيزيائي نفسه بحيث تصبح الملابس أكثر ملاءمة للارتداء التلقائي. وهذا جانب يختلف فيه علم الروبوتات كثيراً عن أبحاث الذكاء الاصطناعي الخالصة؛ فحل مشكلة ما لا يتطلب بالضرورة نموذجاً أكبر، وأحياناً يكون التصميم الميكانيكي الأفضل هو الجواب. وفي اتجاه الروبوتات الزراعية، حصل بحث《SSL-Semantic-NBV: A Self-Supervised Learning-Based NBV for Target-Aware 3D Reconstruction in Agricultural Robotics》 لكل من Jianchao Ci وKatarina Smolenova وXin Wang وAxel Streit وEldert J. van Henten وGert Kootstra على جائزة Best Paper Award on Agri-Robotics. يركز هذا العمل على مشكلة Next-Best-View في إعادة البناء ثلاثية الأبعاد للمشاهد الزراعية. فالروبوت لا يستمر في التصوير بشكل عشوائي، بل يحتاج إلى تحديد إلى أين يجب أن ينتقل في الخطوة التالية للحصول على معلومات جديدة أكثر قيمة فيما يتعلق بالهدف. وفي اتجاه الروبوتات تحت الماء، حصل بحث《Contact-Aided Factor-Graph Localization for Underwater Sampling》 لكل من Michele Grimaldi وYosaku Maeda وHitoshi Kakami وIgnacio Carlucho وYvan R. Petillot وTomoya Inoue على جائزة Best Paper Award on Safety, Security, and Rescue Robotics. ففي البيئة تحت الماء حيث يتأثر كل من نظام GPS والمعلومات البصرية المستقرة، حاول الباحثون الاستفادة من التلامس بين الروبوت والبيئة للمساعدة في تحديد الموقع. بالنسبة للروبوت الحقيقي، فإن «ما لمسه» يمكن بحد ذاته أن يشكل معلومات إدراكية. بالإضافة إلى ذلك، حصل بحث《Acoustic-Aware Texture Optimization for Ultrasound-Based Capsule Pose Estimation》 لكل من Yizhao Qian وYuzhuo Wang وChenxi Liu وJiayuan Luo وWenwei Gao وYuan Yixuan وMeng Qinghu وLi Liu على جائزة Best Application Paper Award. وفي اتجاه الروبوتات الصناعية، حصل بحث《Picking Bins Empty: A Hierarchical Hybrid Approach with Online Self-Learning of Grasp Points for Reliable Industrial Bin-Picking》 لكل من Florian Töper وSamarth Kishor Yelvande وJan Niklas Ewertz وRudolph Triebel وPeter Ohlhausen على جائزة Best Paper Award for Industrial Robotics Research for Applications. وعنوانه مباشر بشكل خاص: Picking Bins 「Empty」، أي التقاط الصندوق حتى يفرغ تماماً. ما تحتاج الروبوتات الصناعية فعلاً إلى إثباته لم يكن يوماً مجرد «نجحت في التقاط شيء مرة واحدة»، بل قدرتها على مواجهة الحجب والتكدس وتغيّر الأوضاع والحالات الجديدة الناتجة عن عملية تلو أخرى، ومواصلة الالتقاط حتى يُفرَّغ الصندوق فعلاً.04
10 أعمال مرشحة لأفضل ورقة بحثية،
ما الذي تكافئه أبحاث الروبوتات؟
في النهاية حصدت LT-Mem وحدها جائزة Best Paper، غير أن الأوراق الـ10 التي بلغت المرحلة النهائية قد تكون الأكثر إيضاحًا لما يركز عليه IROS 2026. فإلى جانب LT-Mem وعمل تشكيل الطائرات الرباعية المراوح الذي فاز بجائزة Best Student Paper، قدم Boseong Jeon وYunho Choi وTaehan Kim بحث Shallow-π حول تقطير المعرفة لـ Flow-based VLA. بينما جمعت ورقة Yuhao Zhou وSheeraz Athar و胡智娴 و黄秉豪 و李昀烛 وJuan Wachs وYu She بعنوان 《VTAP Gripper: Synergizing Fingertip Sensing and a Visuo-Tactile Active Palm for Dexterous In-Hand Manipulation》 بين fingertip sensing وvisuo-tactile active palm، متجهة نحو عمليات التلاعب اليدوي الداخلي الأكثر تعقيدًا. ودفع Maximilian Luz وThomas Nürnberg وYakov Miron وAbhinav Valada في ورقتهم 《Streaming Gaussian Encoding for 4D Panoptic Occupancy Tracking》 تمثيلات Gaussian نحو فهم المشاهد الديناميكية 4D. أما Yohan Choi وMin-Jun Kim وJin-Sung Kim وYong-Jae Kim وYoun-Hee Han في ورقتهم 《DAWN: Noise-Robust Quadruped Parkour Via Depth-Denoising World Models》 فقد طبقوا Depth-Denoising World Model على رياضة Parkour للروبوتات الرباعية الأرجل. وتناولت عدة أوراق مرشحة أخرى إعادة البناء ثلاثي الأبعاد للأسطح الزجاجية، والدمج متعدد الوسائط بين EEG-EMG، والروبوتات الرخوة المغناطيسية، وزراعة الأنسجة الحيوية بمساعدة الروبوتات. على سبيل المثال، واجهت ورقة Jiamin Zheng وJingwen Yu وGuangcheng Chen وHong Zhang بعنوان 《Enhancing Glass Surface Reconstruction Via Depth Prior for Robot Navigation》 بشكل مباشر مشكلة الأسطح الزجاجية التي ظلت بالغة الصعوبة في رؤية الروبوتات. وحوّل Bin Wang وShengming Luo وJiansheng Du وYuanbiao Ma وXuanyu An وQianqian Wang في ورقتهم 《Autonomous Multimodal Locomotion Control of a Magnetic Strip Soft Robot》 موضوع البحث إلى الروبوتات الرخوة المغناطيسية التي تختلف كليًا في بنيتها وطريقة حركتها. وذهب SeungTaek Hong وJaewon Byun وDaekeun Kim وJinah Jang وKeehoon Kim في ورقتهم 《Toward Autonomous Biofabricated Tissue Implantation: A Non-Contact Robotic Manipulation System for Soft and Fragile Modules》 خطوة أبعد لنقل الروبوتات إلى سيناريوهات التعامل مع الأنسجة المصنعة حيويًا الرخوة والهشة. والمثير للاهتمام حقًا في هذه القائمة هو عدم هيمنة أي مسار تقني واحد على جميع مشكلات الروبوتات. فقد ظهرت VLA وWorld Model وMemory وGaussian وVisuo-Tactile وResidual Learning في آن واحد، واستمرت أعمال كثيرة في معالجة الديناميكا الهوائية والتماس والبنية الميكانيكية والمواد الرخوة والتحكم في الوقت الفعلي بجدية تامة. ففي مجال الروبوتات، لا يحل نموذج أكبر كل المشكلات تلقائيًا.05
حين تدخل الروبوتات العالم الحقيقي فعلاً
وإلى جانب جوائز الأوراق البحثية، أعلن IROS 2026 أيضاً سلسلة من الجوائز الفردية. فوانغ تشي دونغ من معهد تشيبا للتقنية في اليابان حصل على جائزة IROS Distinguished Service Award، وكان سبب التكريم المعلن من المؤتمر هو الاعتراف بمساهماته طويلة الأمد في تنظيم مؤتمرات IROS. وحصل روبرتو مارتن-مارتن من UT Austin وروبرتو كالاندرا من TU Dresden على جائزة Toshio Fukuda Young Professional Award. فتركّز سبب فوز الأول على learning-based manipulation والتحكم الغني بالتلامس والأنظمة الروبوتية التفاعلية فيزيائياً، فيما حصل الثاني على الجائزة بفضل sample-efficient robot learning وإدخال الإحساس اللمسي المتقدّم إلى ذكاء الروبوتات وغيرها من المساهمات. وحصل رالف هوليس على جائزة Emeritus Keynote Award for Research Achievement، وأشار المؤتمر خصوصاً إلى مساهماته البحثية طويلة الأمد في الروبوتات، وتدريبه أجيالاً من باحثي الروبوتات. إضافةً إلى ذلك، حصل ألبير يغين أوغلو وأريان بيغاشدل على جائزة Outstanding Associate Editor Award، وحصل دينغ شينغ لوه ولونغ زينغ على جائزة Outstanding Reviewer Award. وإذا نظرنا إلى هذه الجوائز الفردية إلى جانب جوائز الأوراق البحثية، فإن قائمة الفائزين في IROS هذا العام ليست انتصاراً مركزياً لنموذج معين أو اتجاه واحد. فLT-Mem بدأت في معالجة الذاكرة طويلة الأمد للروبوتات، وDAWN استخدمت نماذج العالم لحركة الروبوتات الرباعية الأرجل، وVTAP Gripper دمج الرؤية واللمس إلى الأمام، بينما بدأت الروبوتات البشرية تتحدي مهاماً معقدة كالتنس وحمل الصواني. وفي الوقت نفسه، تدخل الروبوتات الحقول الزراعية والمصانع والبيئات تحت الماء، وبدأت تواجه أجساماً حقيقية أكثر تعقيداً كالزجاج والملابس والأنسجة الرخوة. هذه الأعمال تعتمد مسارات تقنية مختلفة، لكنها تشير جميعاً إلى تحوّل واحد: أبحاث الروبوتات تنتقل من «الحصول على قدرة ما» إلى «استخدام هذه القدرة باستمرار في العالم الحقيقي». فإذا أردنا أن نجد خيطاً مشتركاً في نتائج جوائز IROS 2026، فربما ليس مجرد «استمرار تصاعد اهتمام الذكاء المُجسَّد». فحين تتجه الروبوتات فعلاً إلى العالم الحقيقي، فإنها لا تحتاج فقط إلى نموذج أكبر، بل تحتاج أيضاً إلى تذكّر الماضي وفهم التغيّر وإدراك التلامس، مع التحكم بثبات في جسدها في ظل قيود ديناميكية حقيقية. ومن القدرة على المشي، إلى لعب التنس وحمل الصواني، ثم إلى القدرة على فهم عالم متغيّر باستمرار على المدى الطويل، تنتقل الروبوتات من استعراض قدرة ما إلى أن تصبح نظاماً أكثر اكتمالاً.لتسهيل التجمّع والتواصل وتبادل أخبار المؤتمر، أنشأنا خصيصاً مجموعة 2026 التواصل في المؤتمر! بانضمامك إلى المجموعة ستحصل على هذه «المزايا»؟
محطة معلومات المؤتمر: مواعيد تقديم الأوراق النهائية، معايير التنسيق، تقدّم التحكيم... تصلك العقد الحاسمة في الوقت المناسب، فلن تخشى تفويت أي deadline، وسيكون تحضير تقديمك وثيقاً.
جلسة حوار الزملاء: زملاء من كل مكان في المجموعة، لتبادل الخبرات وتلاقي الأفكار وبناء العلاقات، فنحن رفاق درب في مسيرة البحث العلمي.
محطة الإمداد بالرؤى المستقبلية: أحدث نتائج الأبحاث والاتجاهات الساخنة تُنقل إليك لحظة بلحظة، مع مساعدتك في توضيح مسار التقديم وفق محاور المؤتمر، لتعبئة إلهام ورقتك البحثية بالوقود كاملاً.
فريق الدعم الميداني: (يُفتح حصرياً خلال أيام المؤتمر):لا داعي للقلق حين تصل إلى مكان المؤتمر——
الإرشاد والتنقل: توزّع القاعات وكيفية الوصول إلى قاعات المحاضرات، اسأل في المجموعة في أي وقت؛
القراءة الجماعية للمحاور: مناقشة الجلسات الساخنة والمحاضرات الرئيسية، وحتى إن فاتتك فستتابعها؛
مجموعة الملصقات البحثية: خلاصات الملصقات في الموقع مجمّعة بعناية، جمعها بنقرة واحدة دون أن يفوتك شيء؛
ساحة المواعيد: مواعيد للعشاء أو للمقابلات أو للتبادل... تريد الدردشة أو التعاون أو اللقاء وجهاً لوجه، فقط أطلق الأمر في المجموعة.
؟ بوابة الانضمام إلى المجموعة: امسح رمز الاستجابة السريعة للانضمام إلى المجموعة أو أضف حساب WeChat: Luyoyo_2026، مع ملاحظة: ECCV + الجهة/الجامعة + الاسم + التخصص.
في البحث العلمي والتقنية، فرق المعلومات أمر مهم.
هيا، كن خطوةً أمام الجميع!
انضم إلينا لنأخذك في جولة على خلاصات أبرز مؤتمرات الذكاء الاصطناعي العالمية
يمكنك الاطلاع الحصري على:
عروض خبراء التقديمية
النصوص الكاملة لتقارير المؤتمر
تفسيرات الأوراق البحثية الأكثر رواجاً
مقابلة مع نجم أكاديمي صاعد
امسح رمز الاستجابة السريعة أعلاه
أو انقر على «قراءة النص الأصلي» لمتابعة قسم موقع雷峰网 (اسم الحساب العام: 雷峰网).
مقالات أصلية من 雷峰网، ويُمنع إعادة نشرها دون إذن. للاطلاع على التفاصيل انظرشروط إعادة النشر。