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

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

一体机上一 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；