Meta

A Bilateral Teleoperation Framework for Dexterous Manipulation

灵巧操作的双边遥操作框架

Stefano Dalla Gasperina, Dong Ho Kang, Haiyun Zhang, Aldo Galvan, Job D. Ramirez, Aaron Kim, Mark Helwig, Kazuto Yokoyama, Takahisa Ueno, Tetsuya Narita, Ann Majewicz-Fey, Ashish D. Deshpande, Luis Sentis

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Sony Group Corporation（索尼集团公司） ； Meta Reality Labs Research（Meta现实实验室） 纠错

AI总结 提出模块化双边遥操作框架，集成操作端输入与机器人端灵巧手及柔顺臂，通过位置重定向、差分控制、多尺度触觉反馈和共享控制实现灵巧操作，验证了协调控制与接触感知能力。

Comments 4 pages, 7 figures, 1 appendix,

Discovering Lattice Reduction Strategies via Self-Play

通过自我对弈发现格基约简策略

Mohamed Malhou, Kristin Lauter, Ludovic Perret

机构 * FAIR, Meta Superintelligence Labs（Meta超级智能实验室FAIR） ； Sorbonne Université CNRS, LIP6（索邦大学CNRS/LIP6） ； EPITA, EPITA Research Lab (LRE)（EPITA研究实验室(LRE)） 纠错

AI总结 利用深度强化学习和AlphaZero风格自我对弈，在LLL原始动作空间中学习更优的格基约简策略，训练于8维格但可零样本泛化至32维。

MeshFlow: Efficient Artistic Mesh Generation via MeshVAE and Flow-based Diffusion Transformer

MeshFlow: 通过MeshVAE和基于流的扩散Transformer实现高效艺术网格生成

Weiyu Li, Antoine Toisoul, Tom Monnier, Roman Shapovalov, Rakesh Ranjan, Ping Tan, Andrea Vedaldi

机构 * Meta AI ； Hong Kong University of Science and Technology（香港科技大学） 纠错

AI总结 提出MeshFlow方法，利用变分自编码器将网格拓扑和顶点坐标映射到连续潜空间，并结合修正流Transformer并行生成网格，相比自回归方法速度提升18倍且精度优异。

Comments CVPR2026 Highlight, Homepage: https://mesh-flow.github.io/, Code: https://github.com/facebookresearch/meshflow

Automating Low-Risk Code Review at Meta: RADAR, Risk Calibration, and Review Efficiency

自动化低风险代码审查在Meta：RADAR、风险校准与审查效率

Chris Adams, Arjun Singh Banga, Parveen Bansal, Souvik Bhattacharya, Payal Bhuptani, Rujin Cao, Pedro Canahuati, Nate Cook, Brian Ellis, Prabhakar Goyal, Gurinder Grewal, Tianyu He, Matt Labunka, Alex Manners, David Molnar, Ging Cee Ng, Vishal Parekh, Jiefu Pei, Frederic Sagnes, James Saindon, Will Shackleton, Sid Sidhu, Gursharan Singh, Karthik Chengayan Sridhar, Matt Steiner, Pratibha Udmalpet, Sean Xia, Stacey Yan, Audris Mockus, Peter Rigby, Nachiappan Nagappan

机构 * Meta USA, UK, Canada（Meta美国、英国、加拿大） 纠错

AI总结 提出RADAR系统，通过多阶段漏斗对代码差异进行风险分层自动化审查，在Meta部署后显著提升审查效率并降低风险。

UniT: Unified Multimodal Chain-of-Thought Test-time Scaling

UniT：统一多模态思维链测试时扩展

Leon Liangyu Chen, Haoyu Ma, Zhipeng Fan, Ziqi Huang, Animesh Sinha, Xiaoliang Dai, Jialiang Wang, Zecheng He, Jianwei Yang, Chunyuan Li, Junzhe Sun, Chu Wang, Serena Yeung-Levy, Felix Juefei-Xu

机构 * Stanford University（斯坦福大学） ； Meta Superintelligence Labs（Meta超级智能实验室） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 提出UniT框架，通过多轮推理、验证和细化实现统一多模态模型的测试时扩展，实验表明短推理轨迹可泛化到长链，顺序思维链比并行采样更高效。

Comments CVPR 2026