这项由华为诺亚方舟实验室的刘悦程、池大峰、吴世光等多位计议者共同完成的打破性计议发表于2025年9月，计议后果名为"OmniEVA: Embodied Versatile Planner via Task-Adaptive 3D-Grounded and Embodiment-Aware Reasoning"。有好奇瞻仰好奇瞻仰深入了解的读者不错通过arXiv:2509.09332v1打听完整论文。

当你站在厨房里，看到桌子上摆着各式物品时，你的大脑会陡然处理无数信息：那儿有空间放新买的牛奶，若何绕过椅子走到雪柜，如何遁藏桌上的花瓶去拿盐罐。这些看似陋劣的日常判断，对机器东谈主来说却是极其复杂的挑战。华为诺亚方舟实验室的计议团队目下开导出了一个名为OmniEVA的智能系统，它能像东谈主类一样浮现3D空间，况且知谈我方的"躯壳"能作念什么、不成作念什么。

OmniEVA的出现标识着机器东谈主智能的一个坚苦回荡点。以往的机器东谈主要么只可看懂平面图像，要么固然能处理3D信息但不知谈如何根据具体任务天真诓骗。计议团队发现了两个瑕疵问题：第一个问题是"几何适合性差距"，就像一个东谈主要么只可看2D电影浮现不了立体寰宇，要么只会看3D电影但看普通像片就懵了。第二个问题是"躯壳不休差距"，机器东谈主常常制定出表面上完整但内容无法实验的磋议，就像让一个身高1米5的东谈主去够2米高的架子。

伸开剩余93%

为了贬责这些问题，计议团队为OmniEVA遐想了两项中枢立异。起初是"任务自适合3D建模机制"，这就像给机器东谈主安装了一个智能的"视觉切换器"。当机器东谈主需要判断桌子上哪个苹果更红时，它会专注于方法信息，暂时忽略复杂的3D几何联系。但当它需要把一个盒子稳稳地叠在另一个盒子上时，这个切换器会立即激活3D空间浮现才调，精准遐想角度、距离和重点位置。

第二个立异是"躯壳感知推理框架"。这个系统让机器东谈主在制定磋议时永久记取我方的物理限制。就像东谈主类在伸手拿东西时会自动计议我方的手臂长度和天真度，OmniEVA在计算手脚时会轮廓计议我方的机械臂能伸多远、要道能迂回几许度、底盘能转移到哪些位置。这么制定出的磋议不仅在表面上可行，在内容实验时也能告捷完成。

一、机器东谈主的"视觉大脑"如何职责

要浮现OmniEVA的职责旨趣，不错把它瞎想成一个领有超等视觉才调的管家。传统的机器东谈主视觉系统就像戴着固定镜片的眼镜，要么只可看清远方的2D画面，要么只允洽不雅察近距离的3D物体，很难在不恻隐况下天浮现换。

OmniEVA的视觉系统则像一副智能变焦镜头。当主东谈主说"帮我望望桌上有几个红苹果"时，这个系统会自动调整为"2D色调识别模式"，专注于识别方法和数目，不会被复杂的空间几何信息干扰。但当主东谈主说"把这个杯子防御性放在那摞书上"时，系统立即切换到"3D空间分析模式"，精准遐想书堆的高度、稳定性和杯子的最好遗弃位置。

这种智能切换是通过一个叫作念"任务自适合门控路由器"的本事终了的。计议团队把它比作一个警戒丰富的交通率领员，根据实时路况决定哪些信息走"快车谈"，哪些信息不错暂时"绕行"。当系统分析用户请示时，这个率领员会判断刻下任务更需要2D信息如故3D信息，然后相应地分派遐想资源。

更意旨的是，这个系统还会"察颜不雅色"。它不仅分析用户说的话，还会不雅察刻下环境的复杂进度。在一个陋劣整洁的房间里实验"拿杯子"的请示时，系统可能判断2D视觉就实足了。但在一个堆满杂物、色泽复杂的保藏室里实验同样请示时，系统会自动启用全套3D分析才调，确保能准笃定位目的物品并计算安全的转移旅途。

计议团队通过精深实验考据了这种自适合机制的效果。他们发现，与那些固定使用某种视觉模式的机器东谈主比拟，OmniEVA在处理不同类型任务时的准确率平均提高了1.22%。固然这个数字听起来不大，但在机器东谈主领域，哪怕1%的升迁皆可能意味着告捷与失败的区别。

二、让机器东谈主知谈我方的"躯壳"极限

传统机器东谈主的一个精深问题就像是一个从未照过镜子的东谈主，不知谈我方长什么样、能作念什么。它们常常制定出听起来很棒的磋议："去厨房拿个杯子"，但内容实验时才发现我方的机械臂够不着高架上的杯子，或者底盘太宽无法通过短促的门缝。

OmniEVA的躯壳感知系统就像给机器东谈主安装了"自我阐述镜子"。每当它准备实验任务时，皆会先"照照镜子"检察我方的情景：机械臂今天能伸展多远？要道是否天真？底盘的宽度是否允洽通过前列的短促过谈？电板电量是否足以完成通盘这个词任务？

计议团队开导的教练方法叫作念"任务与躯壳感知强化学习"。这个历程就像教练一个生手司机，不仅要教训他交通规则，还要让他了了地知谈我方开的车有多宽、转弯半径有多大、刹车距离有多长。在教练历程中，系统会赢得两种类型的反馈：一种是"任务完成度反馈"，告诉它是否准确完成了用户的条件；另一种是"躯壳可行性反馈"，告诉它制定的手脚磋议是否允洽物理定律和机械限制。

更玄妙的是，这个教练历程罗致了"渐进式躯壳不休学习"。就像学游水时先在浅水区老练基本手脚，再缓缓游向深水区一样，OmniEVA的教练亦然挨次渐进的。脱手时，系统主要关怀是否能完成基本任务，对躯壳不休的条件相对宽松。跟着教练的深入，系统缓缓敌手脚的可行性条件越来越严格，最终学会制定既能完成任务又完全可实验的完整磋议。

这种教练方式的效果相等显赫。在内容测试中，使用躯壳感知教练的OmniEVA在复杂操作任务上的告捷率比普通机器东谈主提高了28.95%到34.28%。极端是在需要精准遗弃物品的任务中，告捷率升迁更是高达43%到50%。这意味着昔时十次尝试只可告捷五六次的复杂任务，目下险些每次皆能告捷完成。

三、从基础技巧到复杂任务的完整组合

就像东谈主类学会走路、跑步、跨越等基本手脚后，就能组合出踢足球、舞蹈等复杂技巧一样，OmniEVA也需要先掌持一些基础的机器东谈主技巧，然后将它们玄妙组合来完成复杂任务。

计议团队为OmniEVA遐想了四项基础技巧，每一项皆对应着日常生涯中的常见需求。第一项技巧叫"Where2Go"，就像问"我应该往那儿看才能找到遥控器？"当房间里物品好多、视野受阻时，这个技巧能匡助机器东谈主遴荐最好的不雅察角度和位置，快速锁定目的物品。

第二项技巧"Where2Fit"雷同于"这张桌子上那儿还能放下我的咖啡杯？"这个技巧让机器东谈主大约识别桌面或其他平面上的闲隙区域，计议现存物品的位置和尺寸，找到合适的遗弃空间。第三项技巧"Where2Approach"愈加复杂，极端于"我若何才能聚集那张被椅子围着的桌子？"机器东谈主需要分析环境中的窒碍物，计算出一条既能接近目的又不会被卡住的旅途。

第四项技巧"Where2Grasp"听起来陋劣，内容上相等详尽，就像"桌上有三个红色的球，我要拿中间阿谁最大的"。机器东谈主需要根据方法、大小、位置等多个特征准确识别目的物品，并笃定最好的抓取点。

这四项基础技巧就像乐高积木的基础块，不错天真组合成各式复杂功能。当用户条件"请帮我把厨房桌上的阿谁蓝色马克杯拿到客厅的茶几上"时，OmniEVA会自动将这个复杂请示认识：起初用Where2Go技巧在厨房找到蓝色马克杯的最好不雅察角度，然后用Where2Grasp技巧精准抓取杯子，接着用Where2Approach技巧计算到客厅茶几的旅途，临了用Where2Fit技巧在茶几上找到合适的遗弃位置。

计议团队在8个不同的评测轨范上测试了OmniEVA的才调，涵盖了精真金不怕火单的物品识别到复杂的3D空间推理等各个方面。肃除流露，OmniEVA在其中7个测试中皆取得了目下最好的收成。极端是在需要3D空间浮现的复杂任务中，OmniEVA的阐述比现存的最好系统升迁了2.3分到8.5分不等。

四、确切寰宇中的内容阐述

表面上的告捷和内容应用往往存在巨大差距，就像在驾校练车和内容动身完全是两回事。为了考据OmniEVA在确切环境中的阐述，计议团队遐想了一系列迫临日常生涯的测试场景。

他们在一个面积达3000平方米的办公环境中树立了测试场合，这个空间包含8个不同的操作场景和95种常见的办公用品。测试内容被分为三个难度品级，就像游戏中的低级、中级和高档关卡。

低级关卡叫"大空间物品搜索"，极端于在一个大办公室里找某个特定物品。这个任务看似陋劣，内容上老练着机器东谈主的空间计算才调。它需要像一个新职工熟悉办公室布局一样，快速开导环境舆图，然后制定高效的搜索计谋。测试肃除流露，OmniEVA在这类任务中的告捷率达到74.2%，比之前最好的系统提高了5.4%。

中级关卡"局部转移操作"愈加复杂，包含30多个不同的测试场景。机器东谈主需要在各式桌面建立、不同的运行位置以及各式类型、尺寸、位置的物品中完成精准操作。这就像条件一个东谈主在不同的厨房里皆能熟练地准备晚餐，每个厨房的布局、用具摆放皆不一样。测试分为"拾取物品"和"遗弃物品"两大类，其中遗弃任务又根据环境复杂进度分为陋劣和困难两个品级。

陋劣的遗弃任务只需要计议桌面的基本情况，比如遁藏现存物品找到空隙。困难的遗弃任务则条件机器东谈主同期计议桌面物品和周围椅子的位置，计算出既能完成任务又不会碰撞的复杂旅途。在这些测试中，经过躯壳感知教练的OmniEVA阐述出色，在困难遗弃任务中的告捷率比普通方法提高了50%。

最高档的关卡"端到端配送任务"条件机器东谈主整合通盘技巧，完成跨越通盘这个词办公环境的复杂任务。比如"从前台拿一份文献送到三楼会议室"这么的请示，机器东谈主需要自主导航、识别目的、遁藏窒碍、与环境交互等。这极端于让机器东谈主像东谈主类助理一样职责，不仅要有本事才调，还要有统筹计算的智谋。

极端值得一提的是，计议团队还在确切的机器东谈主硬件上测试了OmniEVA。他们使用了一个配备双机械臂的转移机器东谈主平台，让它在确切的办公环境中实验各式任务。从视频记载不错看到，机器东谈主大约准确浮现用户的请示，自主计算手脚序列，并告捷完成诸如"把纸杯放到桌子后方的空位上"和"把杯子放到会议室傍边的长桌上"等复杂任务。

五、本事立异的核神思制

OmniEVA的本事架构就像一个精密的交响乐团，每个组件皆有我方的变装，但又需要完整相助才能演奏出优好意思的乐章。通盘这个词系统的基础是一个强盛的多模态言语模子，它能同期浮现笔墨请示、图像信息和3D空间数据。

系统的"眼睛"是一个视觉颐养器编码器，它能将每一张RGB图像颐养成遐想机不错浮现的数字序列。同期，系统还有一个轻量级的收罗崇拜将视觉信息和言语信息浮现起来，就像一个翻译官，确保视觉"言语"和笔墨言语大约无缝交流。

系统的"大脑"是一个自讲究文本解码器，崇拜生成最终的手脚请示。但让OmniEVA不落俗套的瑕疵在于它私有的3D信息处理方式。传统系统要么完全忽略3D信息，要么盲目地将通盘3D数据皆塞给处理器。OmniEVA的立异在于它会"念念考"刻下任务是否真的需要3D信息。

这个念念考历程通过任务自适合门控路由器终了。当系统收到请示时，一个句子编码器会分析请示的语义特征，同期系统会评估刻下环境的复杂进度。然后，一个多层感知器收罗会轮廓这些信息，决定是否激活3D空间处理模块。

如已然定激活3D模式，系统会将深度图像颐养为寰宇坐标系中的3D坐标矩阵。每个像素皆被赋予一个三维坐标（x, y, z），然后这些坐标会被分割成与RGB图像相对应的小块。每个小块内的3D坐标会被平均化，临了通过正弦编码颐养成系统不错处理的特征向量。

计议团队使用了一种叫作念Gumbel-Softmax的本事来确保这个门控机制不错进行端到端的教练。这个本事就像一个不错学习的开关，既能作念出明确的0或1的决定（关闭或开启3D模式），又能在教练历程中传递梯度信息，让通盘这个词系统不竭优化。

为了防备系统的有磋议过于世俗，计议团队还加入了一个正则化项，饱读吹系统的门控有磋议允洽一定的先验溜达。这就像给系统设定了一个"知识基线"，幸免它在莫得明确左证的情况下世俗开启或关闭3D模式。

六、教练数据的全心建立

要教练出如斯智能的机器东谈主助手，需要海量且种种化的教练数据。计议团队为OmniEVA准备了一个包含520万个样本的强大数据集，这些数据涵盖了从基础视觉浮现到复杂空间推理的各个方面。

数据集的组成就像一个全心遐想的课程体系。基础课程包括通用的视觉问答数据，让系统学会基本的图像浮现和言语交互才调。这部分数据包括67万个样本，涵盖了物体识别、笔墨阅读、区域定位等基础技巧。就像教小孩子认字识物一样，这些数据匡助系统开导了对视觉寰宇的基本阐述。

进阶课程则包括各式成心的空间推理任务。比如"物体参照"任务有51万个样本，教训系统如何根据言语神志准笃定位物体。"物体部分识别"任务有40万个样本，让系统学会识别物体的不同部分偏激功能。"闲隙空间定位"任务有53万个样本，成心教练系统识别可用的遗弃空间。

最意旨的是"主动探索"数据，固然惟有1.8万个样本，但每个皆是全心遐想的场景。这些数据教训系统在部分可见的环境中如何遴荐最好的不雅察位置来寻找目的物品。就像教练窥探学会从有限的痕迹中推断出最有价值的观看目的。

3D空间浮现的教练数据更是丰富多彩，算计270万个样本。其中包括140万个3D视觉问答样本，让系统学会在三维空间中回复各式问题。110万个3D视觉定位样本教训系统根据言语神志在3D空间中准笃定位物体。还有11.3万个3D子目的权衡样本，成心教练系统的历久计算才调。

极端值得一提的是"3D场景瞎想"数据，固然惟有4.5万个样本，但每个皆充满挑战性。这些数据条件系统在部分可见的环境中瞎想出看不见区域可能存在的物体。这就像条件一个东谈主只看到房间的一角，就能合理揣测通盘这个词房间的布局和物品溜达。

数据的制作历程也极其详尽。关于视频数据，计议团队从高质地的室内场景数据源中提真金不怕火连气儿的视角序列，然青年景对应的问答对。关于旅途计算数据，他们起初将点云颐养为导航网格舆图，遴荐起初和极端，使用A*算法遐想最短旅途，临了根据旅途的角度变化生成翔实的导航请示。

七、全地点的性能评估

为了全面考据OmniEVA的才调，计议团队遐想了一套包含8个公开基准测试的评估体系，就像给学生准备了涵盖各个科目的期末查验。这些测试分别针对图像浮现、视频分析和3D空间推理等不同方面的才调。

在2D视觉浮现测试中，OmniEVA需要处理静态图像中的各式问题，从基本的物体识别到复杂的空间关系推理。测试内容包括Where2Place（物品遗弃位置权衡）、VSI-bench（视频空间智能评估）、PACO-LVIS（物体部分和属性识别）以及RoboRefit（机器东谈主视觉抓取）等任务。在这些测试中，OmniEVA皆取得了目下最好的收成。

极端令东谈主印象深远的是，尽管OmniEVA惟有80亿个参数，相对较小，但它的阐述超越了许多更大限制的模子，包括320亿参数的Robobrain-2.0以及GPT-4o和Gemini-2.5-Pro等生意化的大型模子。平均而言，OmniEVA比之前的最好系统提高了10.45分。

在3D空间推理测试中，OmniEVA同样阐述出色。测试包括SQA3D（3D场景问答）、ScanQA（扫描问答）、Scan2Cap（3D场景神志）和ScanRefer（3D对象援用）等任务。在四个测试中，OmniEVA在三个方面皆达到了最好水平，分别提高了2.3分、0.3分和8.5分。

更令东谈主惊喜的是，在3D对象定位任务中，OmniEVA仅使用文本输入和输出就达到了55.8%的准确率，显赫杰出了之前44.4%的最好收成。这意味着系统不需要借助非凡的检测模块或特殊的定位器用，仅凭言语浮现和推理就能在复杂的3D环境中准笃定位目的物体。

在物体导航测试中，OmniEVA需要权衡3D子目的位置来沟通探索。在HM3D和MP3D数据集上的测试流露，OmniEVA的告捷率和旅途效力皆杰出了刻下最先进的导航模子UniNavid，其中旅途效力提高了5.4分。

八、躯壳感知教练的显赫效果

躯壳感知教练是OmniEVA最具立异性的特色之一，这种教练方法的效果在内容测试中得到了充分考据。计议团队遐想了对比实验，分别测试了使用和不使用躯壳感知教练的系统性能各异。

在Where2Fit（寻找合适遗弃空间）测试中，使用躯壳感知教练的OmniEVA得分为78.14，而未使用该教练的版块惟有43.50分。这个巨大的各异诠释，躯壳感知教练让系统确切学会了计议物理不休和内容可行性，而不是只是从视觉角度判断那儿"看起来"允洽遗弃物品。

更意旨的是在Where2Approach（寻找接近旅途）测试中的阐述。这个任务条件系统在桌子周围有椅子等窒碍物的情况下，找到合适的接近位置。使用躯壳感知教练的系统得分为7.37，固然悉数数值不高，但比未使用该教练的版块提高了数倍。这反应了该任务的高难度，以及躯壳感知教练在处理复杂空间不休时的坚苦价值。

在内容的转移操作任务中，效果愈加显赫。陋劣的转移遗弃任务告捷率从47.50%升迁到90.50%，升迁幅度达到43%。困难的转移遗弃任务告捷率从22.00%升迁到57.00%，升迁幅度高达50%。这些数据了了地标明，躯壳感知教练让机器东谈主从"看起来会作念"确切形成了"内容能作念到"。

不外，计议团队也竭诚地阐发了该方法的局限性。在Where2Grasp（物体抓取）任务中，固然基准测试分数提高了26.59%，但内容的转移抓取任务只升迁了18.7%，而且单独的躯壳不休奖励并莫得带来显赫改善。计议团队分析觉得，这是因为底层的抓取计谋自身还有性能瓶颈，即使高层计算愈加合理，最终的实验仍然受到低层限定算法的限制。

九、智能门控机制的职责旨趣

OmniEVA的门控机制就像一个警戒丰富的职责分派员，大约根据任务需求智能地决定是否调用3D分析才调。计议团队通过精深实验分析了这个机制的职责模式，发现了一些意旨的法例。

当用户请示中包含几何体式联系的词汇时，门控机制的激活概率会显赫提高。比如"shape"（体式）、"square"（方形）、"rectangular"（长方形）等词汇的激活率高达80%、72%、78%。这诠释系统学会了将几何神志与3D空间分析需求关联起来。

同样，空间手脚联系的动词也会触发门控激活。"throwing"（投掷）、"go"（前去）、"away"（隔离）等词汇的激活率皆在62%以上。这些词汇往往触及物体在空间中的浮现轨迹或相对位置关系，如实需要3D空间信息来准确浮现和实验。

相背，一些与空间几何联系不大的词汇很少触发3D模式。"many"（许多）、"nine"（九个）等数目词的激活率惟有3-4%，因为计数任务主要依靠2D视觉识别，不需要复杂的3D空间分析。"beds"（床）、"pillows"（枕头）等常见物品名词的激活率也很低，诠释陋劣的物体识别任务用2D视觉就实足了。

计议团队还展示了具体的案例分析。当用户问"我坐着的桌子是什么体式"时，系统激活门控的概率为0.73。这是因为判断桌子体式需要浮现其界限和几何特征，单纯的2D视觉可能不及以准确阔别"方形"和"长方形"。但当用户问"桌子上有几许个流露器"时，系统的门控激活概率惟有0.39，因为这主若是一个计数任务，2D视觉才调就能很好地完成。

意旨的是，即使是同样触及体式的问题，系统也会根据具体情况调整计谋。照应圆桌体式时激活概率为0.52，比照应方桌时的0.73要低。计议团队推测这可能是因为圆形相对方形来说在2D视角下更容易识别，不太需要非凡的3D信息提拔判断。

十、内容部署中的阐述案例

为了考据OmniEVA在确切环境中的实用性，计议团队将其部署到了内容的机器东谈主硬件平台上。他们使用的是一个配备双机械臂的轮式转移机器东谈主，在确切的办公环境中进行了多项测试。

在一个典型的测试场景中，用户请示机器东谈主"把纸杯放在桌子后方的空位上"。通盘这个词实验历程就像看一个洋洋纚纚的助理职责：起初，机器东谈主通过录像头不雅察桌面情况，识别出各式已有物品的位置。然后，系统的门控机制判断这是一个需要3D空间分析的任务，因为需要精准浮现"后方"的空间倡导以及评估空位的大小。

接下来，OmniEVA脱手了它的"念念考"历程。系统分析了桌面的三维布局，识别出几个候选的空位，然后轮廓计议机械臂的职责范围、底盘的位置限制、以及纸杯的尺寸条件，最终遴荐了一个最优的遗弃位置。在通盘这个词历程中，机器东谈主的手脚流通当然，莫得出现卡顿或碰撞。

另一个更复杂的测试是"把杯子放到会议室傍边的长桌上"。这个任务需要机器东谈主进行长距离的导航，穿过办公区域到达指定位置。OmniEVA起初分析了刻下环境，计算出一条从起初到目的桌子的最优旅途。在转移历程中，系统持续监控周围环境，应时调整道路以遁藏陡然出现的东谈主员或窒碍物。

到达目的桌子后，OmniEVA再次启用其空间分析才调，评估桌面的情况并遴荐合适的遗弃位置。通盘这个词任务从脱手到肃除大致用了3分钟，时代莫得东谈主工搅扰，完全由系统自主完成。

极端值得一提的是系统的躯壳感知才调在内容应用中的阐述。在一次测试中，系统当先遴荐了一个看似合适但内容上机械臂无法到达的位置。但在实验前的临了检察阶段，躯壳感知模块发现了这个问题，系统实时调整了遗弃位置，幸免了实验失败。

计议团队还测试了系统处理磨蹭请示的才调。当用户说"找个地方放这个杯子"而莫得指定具体位置时，OmniEVA会自动分析周围环境，寻找最合适的遗弃地点。系统的遴荐轨范包括空间是否实足、是否容易到达、是否会影响其他物品等多个要素，最终的遴荐普通既合理又实用。

说到底，OmniEVA的出现标识着机器东谈主智能上前迈进了一大步。它不再是那种只可实验预设步伐的机械安设，而是确切具备了空间浮现和躯壳感知才调的智能助手。固然距离科幻电影中的完整机器东谈主还有距离，但OmniEVA依然展示出了在确切环境中匡助东谈主类完成日常任务的巨大后劲。

这项计议最大的价值在于它贬责了机器东谈主领域历久存在的两个中枢问题：如何让机器东谈主像东谈主类一样浮现3D空间，以及如何让机器东谈主了了我方能作念什么、不成作念什么。通过任务自适合的3D建模和躯壳感知推理，OmniEVA为将来的干事机器东谈主、工业机器东谈主以及各式自主系统提供了坚苦的本事基础。

跟着本事的进一步发展和完善，咱们有旨趣服气，像OmniEVA这么的智能系统将缓缓走进千门万户，成为东谈主们日常生涯中不可或缺的助手。它们可能会在家庭中匡助整理房间、准备饭菜，在办公室中协助处理文献、搬运物品，在工场中实验精密装配、质地检察等任务。这个充满可能性的将来，正在一步步向咱们走来。

Q&A

Q1：OmniEVA是什么？它有哪些私有才调？

A：OmniEVA是华为诺亚方舟实验室开导的智能机器东谈主系统，它最大的特色是能像东谈主类一样浮现3D空间，况且知谈我方的躯壳能作念什么、不成作念什么。它有两个中枢立异：一个是能根据任务需要智能切换2D和3D视觉模式的"任务自适合3D建模"，另一个是让机器东谈主制定磋议时计议物理限制的"躯壳感知推理"。

Q2：OmniEVA比传统机器东谈主系统强在那儿？

A：传统机器东谈主要么只可看2D图像清寒空间感，要么固然能处理3D信息但不会天真诓骗，而且常常制定出表面可行但内容无法实验的磋议。OmniEVA能智能判断什么时期需要3D分析，什么时期2D视觉就够了，而且制定的每个手脚磋议皆计议了机械臂长度、要道天真度等物理不休，确保能确切实验告捷。

Q3：OmniEVA的内容应用效果如何？

A：在8个公开测试中OmniEVA有7个达到最好收成，在复杂操作任务中告捷率比普通方法提高了28.95%到50%。更坚苦的是，它依然告捷部署到确切机器东谈主上，能完成"把杯子放到桌子空位上"、"将物品送到指定房间"等日常任务，通盘这个词历程流通当然kaiyun官方网站，无需东谈主工搅扰。

发布于：北京市