具身智能体三维感知新链条，TeleAI &上海AI Lab提出多视角融合具身模型「SAM-E」

文章预览

AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。 投稿邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com 当我们拿起一个机械手表时，从正面会看到表盘和指针，从侧面会看到表冠和表链，打开手表背面会看到复杂的齿轮和机芯。每个视角都提供了不同的信息，将这些信息综合起来才能理解操作对象的整体三维。 想让 机器人在现实生活中学会执行复杂任务 ，首先需要 使机器人理解操作对象和被操作对象的属性 ，以及 相应的三维操作空间 ，包括物体位置、形状、物体之间的遮挡关系，以及对象与环境的关系等。 其次，机器人需要理解自然语言指令，对未来动作进行长期 ………………………………