机器人基础模型

SPEAR-1：通过 3D 理解超越机器人演示数据规模

SPEAR-1: Scaling Beyond Robot Demonstrations via 3D Understanding

将 2D 图像-语言预训练的 VLM 通过 3D 标注数据增强为能单图预测物体 3D 坐标的 3D 感知 VLM，并作为机器人基础模型的感知前端，为视觉研究者提供了用廉价非机器人数据注入 3D 理解以提升具身控制可靠性的可复用范式。