技术博客

中国科学院自动化研究所近日在计算机视觉领域取得重要突破，提出了一种名为BridgeVLA的创新性3D视觉语言模型，并在CVPR竞赛中荣获冠军。该模型通过将三维输入转换为二维图像，并结合二维热图进行动作预测，显著提升了3D机器人操作学习的效率与泛化能力。实验结果显示，BridgeVLA在真实机器人上的性能提升了32%，为机器人视觉操作领域带来了新的技术突破。

中国科学院自动化研究所的谭铁牛团队与字节跳动的Seed部门合作，推出了一项名为BridgeVLA的创新技术。该技术开创了3D视觉语言模型（VLA）的新范式，不仅显著提升了模型性能，还优化了数据处理效率。BridgeVLA在CVPR 2025的GRAIL workshop上荣获COLOSSEUM Challenge冠军，充分展现了其卓越的技术实力。目前，BridgeVLA的代码及相关数据已向公众开放，可供研究和应用。

Meta与牛津大学合作推出了VGGT模型，这是一种基于Transformer的3D视觉模型。VGGT通过一次前向推理即可完成相机参数、深度图、点云及3D轨迹的预测，开创了3D基础模型的新时代，为3D视觉领域提供了高效的处理方式。