IXThinker·2026-07-04 12:30

單目影片直出4D交互場景新法登場

上海交通大學團隊聯合多間院校提出HAT-4D，只輸入一段真實場景的單目影片，即可由多Agent協作完成多物體4D交互重建，涵蓋三維幾何、時間動態與物理因果，有望大幅降低具身智能訓練數據的獲取成本。

為何需要4D數據

只看一段「刀切香蕉」的影片，AI要學的不止識別刀和香蕉，還要知道刀何時接觸香蕉、香蕉為何斷成兩截、被遮擋部分是否仍存在，以及不同視角下交互是否一致，這正是4D交互數據的價值所在。