作者丨张   璐

    编辑丨幸丽娟

*                                                                                                       *

拿水壶从左到右依次给花浇水，喷头需悬停在每朵花上方 1 到 5 厘米处。

拿水壶从左到右依次给花浇水，喷头需悬停在每朵花上方 1 到 5 厘米处。

*01

*

大模型为什么

总在3D空间里“犯路痴”？

▎忘掉XYZ，用“像素坐标+绝对深度”走捷径

一个好的表达方式确实能让通用 VLM 学 3D 事半功倍。

一个好的表达方式确实能让通用 VLM 学 3D 事半功倍。

▎专治“尺度感缺失”，厘米级误差也能纠偏

大语言模型在预训练阶段已隐式记忆了物体的物理先验（手机是厘米级、桌子是米级），强行统一单位反而会与内在知识打架；放手让模型根据上下文自由选择最匹配的物理单位（米、厘米、英寸等），尺度的估计精度反而显著提升。
▎过程比结果重要，每一步推理都要“打分”

*02

*

450万条轨迹从哪来？

揭秘“数据飞轮”的三条流水线

▎流水线一：2D照片“无中生有”，低成本造出伪3D场景

▎流水线二：先规划避障路线，再“倒推”出操作指令

▎流水线三：从“脏数据”视频里，精准抠出夹爪轨迹

*03

*

实测碾压！同一张“3D路书”竟能

同时指挥机械臂和人形机器人

▎ 基准测试：通用VLM集体“翻车”，成功率仅剩3%

▎真机实战：UR5稳定发挥，G1跨构型复用虽难但行

*04

*

结语：

具身智能不需要“万能黑盒”

▎AI科技评论：用纯文本监督的方式训练 VLM 做 3D 任务，一开始担心过吗？有没有什么意外的发现？

▎AI科技评论：从 3D 视觉轨迹到真实的物理交互，当前最大的“物理断层”在哪里？

▎AI科技评论：完成从 RoboBrain 到 RoboTracer 的演进后，您认为具身智能在空间理解上的下一个爆发点是什么？

为了方便大家抱团交流、互通会议消息，我们专门建了 ECCV 2026*** 参会交流群！进群你会解锁这些「福利」?*

会议情报站：投稿 DDL、格式规范、评审进度……关键节点第一时间送达，再也不怕错过 deadline，投稿准备稳稳的。

同行茶话会：天南海北的同行都在群里，聊心得、碰思路、攒人脉，科研路上我们同行。

前沿补给站：最新研究成果、热点方向实时同步，结合会议主题帮你捋清投稿脉络，给论文灵感加满油。

现场后援团：（会议期间专属开启）：到了会场也不用慌——

路线导航：场馆分布、报告厅怎么走，群里随时问；

议题共读：热门 session、Keynote 现场探讨，错过也能追；

Poster 汇编：现场海报精华整理，一键收藏不遗漏；

约局广场：约饭局、采访局、交流局……想唠嗑、想合作、想面基，群里发起就成。

? 进群传送门： 扫码进群或添加微信Qvv0909777，备注：ECCV + 单位/学校+姓名+方向。

搞科研/搞技术，信息差很重要。

来，一起快人一步！

上车，带你看遍全球 AI 顶会精华

可独家畅览：

专家演讲PPT

大会报告全文

热门论文解读

学术新星访谈

扫描上方二维码

或点击「阅读原文」关注专区。

雷峰网原创文章，未经授权禁止转载。详情见转载须知。

原文链接: https://www.leiphone.com/category/private/sgaqS952UXuoJUVJ.html