具身智能科技前瞻探索 ( 第 3 期 ) 多任务操作、 第一人称世界模型、 低光照与模糊感 知 2025/04/08/ 为产业发展和投资决策提供最前瞻视角。 本期核心关注多任务操作、 第一人称世界模型、 低光照与模糊感知、 仿真数据生成等六大前沿进展 本期科技前瞻探索摘录来自港科大 ( 广州 ) 、上海交通大学、 浙江大学等研究机构的 6 篇最新学术前沿成果 , 包括 包括 MOE-ACT: 多任务双臂操作规模化学习框架、 Egosim: 面向具身交互生成的第一人称世界仿真器、 E-VLA: 面向暗光与运动模糊场景的事件 增强型 VLA 模型、 CRAFT: 基于视频扩散的双臂机器人操作数据生成框架、 Heracles: 下一代人形机器人通用控制框架、 ThermoAct: 首个融合热感知的 VLA 框架。 风险提示 技术研发进度不及预期 Mixture-of-Experts Transformers 》 《具身智能科技前瞻探索》 第 3 期 6 7 / 影响展望 : 1: 对具身智能学术研究前沿的影响 : 本文为第一人称世界模拟器的技 术 优化提供了新的可 行路径 , 其可更新 3D 场景状态的设计思路 , 为长时 序 连续具身交互仿真研究提供了参考 ; 配套的自动化数据处理管道 , 也为 行业解决世界模型训练数据

，设备信息包括设备的模型数据、位置数据、档案信息、监控数据、报警数据等 ，部分数据可直接从三维模型中读取 ，另外一些附加信息需要 人工录入。将数据与设备关联 ，实现统一管理 ，可以以第一人称、第三人称视角在三维模型中漫游 ，查看构件的信息 ，也可以查看设备实时监控数 据。 旨在为低空园区打造逼真的三维景观模型。对于园区中的建 筑物 ，无论是高大的航站楼、宽敞的机库还是现代化的办公

智慧园区元宇宙建设运营方案 一、整体架构 二、技术能力 三、解决方案 四 、建设运营 目录 3 园区运营现实场景 3D 可视化，就是以虚拟现实全景仿真再现， 360° 旋转，多角度切换，高空视角、 第 一人称视角，自动漫游与巡检，全方位总览数据中心全貌及状态。也可以在日常工作环境中、对各种设 备微环境进行有效监测如；压力、温度、湿度、位移、加速、人员定位等多种可视化环境监测。当然， 这块是需要强

协同平台：VR 软件平台直接与 BIM 建模软件 连接，可以使软件和平台同步更新，而改变平台中模型也可以发送回你的 BIM 软件，在设计和视觉效果上打造了一个无缝的桥梁。可选择人物控制模 式，逼真的第三人称人物操控模式，完全真实的模拟人行走在建筑模型中的 情形，帮助设计者找出设计中不合理的地方，达到优化设计的目的。 10） VR 漫游与虚拟布展：平台支持最新的主流 PC 端 VR 外接设备、移动端

题。这涉及智能体的空间认知能力和信息检索能力的结合。例如，环境中随机生成 一个代理，并对智能体提问：“汽车是什么颜色的？”为了回答这个问题，智能体 必须首先智能导航探索环境，并在到达汽车附近的时候，通过第一人称（自我中 心）视觉观察收集必要的信息，然后回答问题：“汽车是橘黄色的。”导航问答任 务需要一系列技能，包括语言理解、视觉识别、主动感知、目标驱动导航、常识性 推理、长期记忆以及将语言融入行动。 157

体机上一 多人虚拟现实场景画 面传输显示系统 支持将所有学生和教师的VR场景内的三维空间情况实 时传输至PC端大屏幕上，支持实时展示当前VR课件 PPT页面视角，支持实时展示任意用户的个人第一人称 视角，支持实时展示所有用户的全局监控视角。支持 支持对教室内的全部VR一体机进行数据管理与同步， 同时为教室内所有VR一体机进行统一充电，柜体采用 金属框架结构，内置多个排风扇保证柜体通风散热；

个方向自由度，即沿三个方向的平动以及绕三个轴的转动。该技术基于多视角视频输入，输出空 间化的前景人物和背景场景的 3D 化模型，观众可以获得 6 个自由度的观赛体验，可以去到任何想去的位置看比赛， 观赛视角基本不受限制（第一人称视角、进攻视角、鸟瞰视角、近景特写等）。 （三）实际案例或应用 案例一：2019 年 10 月，第七届中国联通乒乓球挑战赛全国总决赛，在南京理工大学体育中心隆重举行。首次 在体育直播项目中展现了