报告简 介

计算机视觉的经典命题“由运动恢复结构”（Structure fromMotion，SfM）奠定了过去几十年三维视觉与场景重建的基石。然而，对于身处真实物理环境的具身智能体而言，运动（Motion）往往被视为被动估计的观测变量，而行动（Action）本身则是智能体主动获取信息、改变观测条件和影响环境状态的重要手段。