IXThinker·2025-09-29 21:00

Evo-0以3D幾何先驅提升機械人操作成功率

上海交通大學與劍橋大學提出輕量化方法Evo-0，透過隱式注入3D幾何先驅增強視覺語言動作模型的空間理解，無需顯式深度輸入，機械人操作成功率提升31%。

現有短板

VLA模型通常建立在預訓練視覺語言模型之上，僅基於2D影像與文本數據訓練，缺乏真實操作所需的3D空間理解。如何讓AI真正看懂三維世界，一直是機械人學習領域的難題。