这项由华为诺亚方舟实验室的刘悦程、池大峰、吴世光等多位谈论者共同完成的壅塞性谈论发表于2025年9月，谈论根除名为"OmniEVA: Embodied Versatile Planner via Task-Adaptive 3D-Grounded and Embodiment-Aware Reasoning"。有有趣深入了解的读者不错通过arXiv:2509.09332v1探望完整论文。

当你站在厨房里，看到桌子上摆着各式物品时，你的大脑会顷刻间处理无数信息：那里有空间放新买的牛奶，如何绕过椅子走到雪柜，如何躲避桌上的花瓶去拿盐罐。这些看似简便的日常判断，对机器东说念主来说却是极其复杂的挑战。华为诺亚方舟实验室的谈论团队当今劝诱出了一个名为OmniEVA的智能系统，它能像东说念主类一样相识3D空间，况兼知说念我方的"躯壳"能作念什么、弗成作念什么。

OmniEVA的出现符号着机器东说念主智能的一个热切迁移点。以往的机器东说念主要么只可看懂平面图像，要么固然能处理3D信息但不知说念如何根据具体任务无邪诓骗。谈论团队发现了两个关键问题：第一个问题是"几何恰当性差距"，就像一个东说念主要么只可看2D电摄影识不了立体天下，要么只会看3D电影但看普通相片就懵了。第二个问题是"躯壳经管差距"，机器东说念主频繁制定出表面上竣工但骨子无法施行的野心，就像让一个身高1米5的东说念主去够2米高的架子。

为了处治这些问题，谈论团队为OmniEVA假想了两项中枢立异。起先是"任务自恰当3D建模机制"，这就像给机器东说念主安装了一个智能的"视觉切换器"。当机器东说念主需要判断桌子上哪个苹果更红时，它会专注于神采信息，暂时忽略复杂的3D几何相关。但当它需要把一个盒子稳稳地叠在另一个盒子上时，这个切换器会立即激活3D空间相识智力，精准诡计角度、距离和重点位置。

第二个立异是"躯壳感知推理框架"。这个系统让机器东说念主在制定野心时永恒记着我方的物理限定。就像东说念主类在伸手拿东西时会自动洽商我方的手臂长度和无邪度，OmniEVA在野心行动时会概述洽商我方的机械臂能伸多远、要害能障碍些许度、底盘能迁移到哪些位置。这么制定出的野心不仅在表面上可行，在骨子施行时也能告捷完成。

一、机器东说念主的"视觉大脑"如何职责

要相识OmniEVA的职责旨趣，不错把它想象成一个领有超等视觉智力的管家。传统的机器东说念主视觉系统就像戴着固定镜片的眼镜，要么只可看清迢遥的2D画面，要么只恰当不雅察近距离的3D物体，很难在不痛惜况下无邪切换。

OmniEVA的视觉系统则像一副智能变焦镜头。当主东说念主说"帮我望望桌上有几个红苹果"时，这个系统会自动调养为"2D色调识别方法"，专注于识别神采和数目，不会被复杂的空间几何信息干扰。但当主东说念主说"把这个杯子防卫性放在那摞书上"时，系统立即切换到"3D空间分析方法"，精准诡计书堆的高度、踏实性和杯子的最好扬弃位置。

这种智能切换是通过一个叫作念"任务自恰当门控路由器"的技巧结束的。谈论团队把它比作一个训导丰富的交通率领员，根据实时路况决定哪些信息走"快车说念"，哪些信息不错暂时"绕行"。当系统分析用户领导时，这个率领员会判断面前任务更需要2D信息照旧3D信息，然后相应地分拨诡计资源。

更真谛的是，这个系统还会"鉴貌辨色"。它不仅分析用户说的话，还会不雅察面前环境的复杂进度。在一个简便整洁的房间里施行"拿杯子"的领导时，系统可能判断2D视觉就填塞了。但在一个堆满杂物、明后复杂的保藏室里施行一样领导时，系统会自动启用全套3D分析智力，确保能准笃定位贪图物品并野快慰全的迁移旅途。

谈论团队通过大王人实验考据了这种自恰当机制的效果。他们发现，与那些固定使用某种视觉方法的机器东说念主比拟，OmniEVA在处理不同类型任务时的准确率平均提高了1.22%。固然这个数字听起来不大，但在机器东说念主领域，哪怕1%的擢升王人可能意味着告捷与失败的区别。

二、让机器东说念主知说念我方的"躯壳"极限

传统机器东说念主的一个开阔问题就像是一个从未照过镜子的东说念主，不知说念我方长什么样、能作念什么。它们频繁制定出听起来很棒的野心："去厨房拿个杯子"，但骨子施行时才发现我方的机械臂够不着高架上的杯子，或者底盘太宽无法通过短促的门缝。

OmniEVA的躯壳感知系统就像给机器东说念主安装了"自我认识镜子"。每当它准备施行任务时，王人会先"照照镜子"检查我方的现象：机械臂今天能伸展多远？要害是否无邪？底盘的宽度是否恰当通过前列的短促过说念？电板电量是否足以完成通盘任务？

谈论团队劝诱的教师方法叫作念"任务与躯壳感知强化学习"。这个经过就像教师一个生手司机，不仅要训诲他交通章程，还要让他明晰地知说念我方开的车有多宽、转弯半径有多大、刹车距离有多长。在教师经过中，系统会取得两种类型的反馈：一种是"任务完成度反馈"，告诉它是否准确完成了用户的条件；另一种是"躯壳可行性反馈"，告诉它制定的行动野心是否相宜物理定律和机械限定。

更奥密的是，这个教师经过袭取了"渐进式躯壳经管学习"。就像学拍浮时先在浅水区老到基本行动，再慢慢游向深水区一样，OmniEVA的教师亦然按序渐进的。动手时，系统主要怜惜是否能完成基本任务，对躯壳经管的条件相对宽松。跟着教师的深入，系统慢慢对行动的可行性条件越来越严格，最终学会制定既能完成任务又完全可施行的竣工野心。

这种教师姿色的效果相配显贵。在骨子测试中，使用躯壳感知教师的OmniEVA在复杂操作任务上的告捷率比普通机器东说念主提高了28.95%到34.28%。稀奇是在需要精准扬弃物品的任务中，告捷率擢升更是高达43%到50%。这意味着过去十次尝试只可告捷五六次的复杂任务，当今险些每次王人能告捷完成。

三、从基础手段到复杂任务的竣工组合

就像东说念主类学会步辇儿、跑步、跨越等基本行动后，就能组合出踢足球、舞蹈等复杂手段一样，OmniEVA也需要先掌捏一些基础的机器东说念主手段，然后将它们奥密组合来完成复杂任务。

谈论团队为OmniEVA假想了四项基础手段，每一项王人对应着日常活命中的常见需求。第一项手段叫"Where2Go"，就像问"我应该往那里看才能找到遥控器？"当房间里物品许多、视野受阻时，这个手段能匡助机器东说念主选拔最好的不雅察角度和位置，快速锁定贪图物品。

第二项手段"Where2Fit"近似于"这张桌子上那里还能放下我的咖啡杯？"这个手段让机器东说念主大要识别桌面或其他平面上的平静区域，洽商现存物品的位置和尺寸，找到合适的扬弃空间。第三项手段"Where2Approach"愈加复杂，特殊于"我奈何才能汇聚那张被椅子围着的桌子？"机器东说念主需要分析环境中的阻拦物，野心出一条既能接近贪图又不会被卡住的旅途。

第四项手段"Where2Grasp"听起来简便，骨子上相配雅致，就像"桌上有三个红色的球，我要拿中间阿谁最大的"。机器东说念主需要根据神采、大小、位置等多个特征准确识别贪图物品，并笃定最好的抓取点。

这四项基础手段就像乐高积木的基础块，不错无邪组合成各式复杂功能。当用户条件"请帮我把厨房桌上的阿谁蓝色马克杯拿到客厅的茶几上"时，OmniEVA会自动将这个复杂领导解析：起先用Where2Go手段在厨房找到蓝色马克杯的最好不雅察角度，然后用Where2Grasp手段精准抓取杯子，接着用Where2Approach手段野心到客厅茶几的旅途，终末用Where2Fit手段在茶几上找到合适的扬弃位置。

谈论团队在8个不同的评测法子上测试了OmniEVA的智力，涵盖了精真金不怕火单的物品识别到复杂的3D空间推理等各个方面。根除暴露，OmniEVA在其中7个测试中王人取得了目下最好的得益。稀奇是在需要3D空间相识的复杂任务中，OmniEVA的发达比现存的最好系统擢升了2.3分到8.5分不等。

四、的确天下中的骨子发达

表面上的告捷和骨子应用往往存在巨大差距，就像在驾校练车和骨子出发完全是两回事。为了考据OmniEVA在的确环境中的发达，谈论团队假想了一系列逼近日常活命的测试场景。

他们在一个面积达3000平方米的办公环境中设立了测试时局，这个空间包含8个不同的操作场景和95种常见的办公用品。测试内容被分为三个难度等第，就像游戏中的低级、中级和高等关卡。

低级关卡叫"大空间物品搜索"，特殊于在一个大办公室里找某个特定物品。这个任务看似简便，骨子上锻练着机器东说念主的空间野心智力。它需要像一个新职工熟悉办公室布局一样，快速确立环境舆图，然后制定高效的搜索计策。测试根除暴露，OmniEVA在这类任务中的告捷率达到74.2%，比之前最好的系统提高了5.4%。

中级关卡"局部迁移操作"愈加复杂，包含30多个不同的测试场景。机器东说念主需要在各式桌面建树、不同的运转位置以及各式类型、尺寸、位置的物品中完成精准操作。这就像条件一个东说念主在不同的厨房里王人能熟练地准备晚餐，每个厨房的布局、用具摆放王人不疏导。测试分为"拾取物品"和"扬弃物品"两大类，其中扬弃任务又根据环境复杂进度分为简便和难题两个等第。

简便的扬弃任务只需要洽商桌面的基本情况，比如躲避现存物品找到闲暇。难题的扬弃任务则条件机器东说念主同期洽商桌面物品和周围椅子的位置，野心出既能完成任务又不会碰撞的复杂旅途。在这些测试中，经过躯壳感知教师的OmniEVA发达出色，在难题扬弃任务中的告捷率比普通方法提高了50%。

最高等的关卡"端到端配送任务"条件机器东说念主整合统统手段，完成跨越通盘办公环境的复杂任务。比如"从前台拿一份文献送到三楼会议室"这么的领导，机器东说念主需要自主导航、识别贪图、躲避阻拦、与环境交互等。这特殊于让机器东说念主像东说念主类助理一样职责，不仅要有技巧智力，还要有统筹野心的奢睿。

稀奇值得一提的是，谈论团队还在的确的机器东说念主硬件上测试了OmniEVA。他们使用了一个配备双机械臂的迁移机器东说念主平台，让它在的确的办公环境中施行各式任务。从视频纪录不错看到，机器东说念主大要准确相识用户的领导，自主野心行动序列，并告捷完成诸如"把纸杯放到桌子后方的空位上"和"把杯子放到会议室摆布的长桌上"等复杂任务。

五、技巧立异的核神思制

OmniEVA的技巧架构就像一个精密的交响乐团，每个组件王人有我方的脚色，但又需要竣工互助才能演奏出优好意思的乐章。通盘系统的基础是一个强劲的多模态谈话模子，它能同期相识翰墨领导、图像信息和3D空间数据。

系统的"眼睛"是一个视觉调换器编码器，它能将每一张RGB图像调换成诡计机不错相识的数字序列。同期，系统还有一个轻量级的网罗矜重将视觉信息停战话信息领略起来，就像一个翻译官，确保视觉"谈话"和翰墨谈话大要无缝交流。

系统的"大脑"是一个自总结文本解码器，矜新生成最终的行动领导。但让OmniEVA一鸣惊人的关键在于它特有的3D信息处理姿色。传统系统要么完全忽略3D信息，要么盲目地将统统3D数据王人塞给处理器。OmniEVA的立异在于它会"想考"面前任务是否真的需要3D信息。

这个想考经过通过任务自恰当门控路由器结束。当系统收到领导时，一个句子编码器会分析领导的语义特征，同期系统会评估面前环境的复杂进度。然后，一个多层感知器网罗会概述这些信息，决定是否激活3D空间处理模块。

如坚决定激活3D方法，系统会将深度图像调换为天下坐标系中的3D坐标矩阵。每个像素王人被赋予一个三维坐标（x, y, z），然后这些坐标会被分割成与RGB图像相对应的小块。每个小块内的3D坐标会被平均化，终末通过正弦编码调换成系统不错处理的特征向量。

谈论团队使用了一种叫作念Gumbel-Softmax的技巧来确保这个门控机制不错进行端到端的教师。这个技巧就像一个不错学习的开关，既能作念出明确的0或1的决定（关闭或开启3D方法），又能在教师经过中传递梯度信息，让通盘系统按捺优化。

为了退缩系统的有野心过于浪漫，谈论团队还加入了一个正则化项，饱读动系统的门控有野心相宜一定的先验散布。这就像给系统设定了一个"学问基线"，幸免它在莫得明确笔据的情况下浪漫开启或关闭3D方法。

六、教师数据的全心建树

要教师出如斯智能的机器东说念主助手，需要海量且各样化的教师数据。谈论团队为OmniEVA准备了一个包含520万个样本的弘远数据集，这些数据涵盖了从基础视觉相识到复杂空间推理的各个方面。

数据集的组成就像一个全心假想的课程体系。基础课程包括通用的视觉问答数据，让系统学会基本的图像相识停战话交互智力。这部分数据包括67万个样本，涵盖了物体识别、翰墨阅读、区域定位等基础手段。就像教小孩子认字识物一样，这些数据匡助系统确立了对视觉天下的基本认识。

进阶课程则包括各式挑升的空间推理任务。比如"物体参照"任务有51万个样本，训诲系统如何根据谈话刻画准笃定位物体。"物体部分识别"任务有40万个样本，让系统学会识别物体的不同部分绝顶功能。"平静空间定位"任务有53万个样本，挑升教师系统识别可用的扬弃空间。

最真谛的是"主动探索"数据，固然惟一1.8万个样本，但每个王人是全心假想的场景。这些数据训诲系统在部分可见的环境中如何选拔最好的不雅察位置来寻找贪图物品。就像教师窥探学会从有限的萍踪中推断出最有价值的旁观标的。

3D空间相识的教师数据更是丰富多彩，算计270万个样本。其中包括140万个3D视觉问答样本，让系统学会在三维空间中回应各式问题。110万个3D视觉定位样本训诲系统根据谈话刻画在3D空间中准笃定位物体。还有11.3万个3D子贪图揣测样本，挑升教师系统的历久野心智力。

稀奇值得一提的是"3D场景想象"数据，固然惟一4.5万个样本，但每个王人充满挑战性。这些数据条件系统在部分可见的环境中想象出看不见区域可能存在的物体。这就像条件一个东说念主只看到房间的一角，就能合理揣测通盘房间的布局和物品散布。

数据的制作经过也极其雅致。关于视频数据，谈论团队从高质地的室内场景数据源中索要连气儿的视角序列，然青年景对应的问答对。关于旅途野心数据，他们起先将点云调换为导航网格舆图，选拔来源和尽头，使用A*算法诡计最短旅途，终末根据旅途的角度变化生成详备的导航领导。

七、全地点的性能评估

为了全面考据OmniEVA的智力，谈论团队假想了一套包含8个公开基准测试的评估体系，就像给学生准备了涵盖各个科办法期末检会。这些测试分别针对图像相识、视频分析和3D空间推理等不同方面的智力。

在2D视觉相识测试中，OmniEVA需要处理静态图像中的各式问题，从基本的物体识别到复杂的空间关系推理。测试内容包括Where2Place（物品扬弃位置揣测）、VSI-bench（视频空间智能评估）、PACO-LVIS（物体部分和属性识别）以及RoboRefit（机器东说念主视觉抓取）等任务。在这些测试中，OmniEVA王人取得了目下最好的得益。

稀奇令东说念主印象真切的是，尽管OmniEVA惟一80亿个参数，相对较小，但它的发达超越了许多更大范围的模子，包括320亿参数的Robobrain-2.0以及GPT-4o和Gemini-2.5-Pro等交易化的大型模子。平均而言，OmniEVA比之前的最好系统提高了10.45分。

在3D空间推理测试中，OmniEVA一样发达出色。测试包括SQA3D（3D场景问答）、ScanQA（扫描问答）、Scan2Cap（3D场景刻画）和ScanRefer（3D对象援用）等任务。在四个测试中，OmniEVA在三个方面王人达到了最好水平，分别提高了2.3分、0.3分和8.5分。

更令东说念主惊喜的是，在3D对象定位任务中，OmniEVA仅使用文本输入和输出就达到了55.8%的准确率，显贵特出了之前44.4%的最好得益。这意味着系统不需要借助额外的检测模块或特殊的定位用具，仅凭谈话相识和推理就能在复杂的3D环境中准笃定位贪图物体。

在物体导航测试中，OmniEVA需要揣测3D子贪图位置来勾搭探索。在HM3D和MP3D数据集上的测试暴露，OmniEVA的告捷率和旅途服从王人特出了面前最先进的导航模子UniNavid，其中旅途服从提高了5.4分。

八、躯壳感知教师的显贵效果

躯壳感知教师是OmniEVA最具立异性的特色之一，这种教师方法的效果在骨子测试中得到了充分考据。谈论团队假想了对比实验，分别测试了使用和不使用躯壳感知教师的系统性能互异。

在Where2Fit（寻找合适扬弃空间）测试中，使用躯壳感知教师的OmniEVA得分为78.14，而未使用该教师的版块惟一43.50分。这个巨大的互异表现，躯壳感知教师让系统的确学会了洽商物理经管和骨子可行性，而不是只是从视觉角度判断那里"看起来"恰当扬弃物品。

更真谛的是在Where2Approach（寻找接近旅途）测试中的发达。这个任务条件系统在桌子周围有椅子等阻拦物的情况下，找到合适的接近位置。使用躯壳感知教师的系统得分为7.37，固然十够数值不高，但比未使用该教师的版块提高了数倍。这响应了该任务的高难度，以及躯壳感知教师在处理复杂空间经管时的热切价值。

在骨子的迁移操作任务中，效果愈加显贵。简便的迁移扬弃任务告捷率从47.50%擢升到90.50%，擢升幅度达到43%。难题的迁移扬弃任务告捷率从22.00%擢升到57.00%，擢升幅度高达50%。这些数据明晰地标明，躯壳感知教师让机器东说念主从"看起来会作念"的确形成了"骨子能作念到"。

不外，谈论团队也憨厚地证据了该方法的局限性。在Where2Grasp（物体抓取）任务中，固然基准测试分数提高了26.59%，但骨子的迁移抓取任务只擢升了18.7%，而且单独的躯壳经管奖励并莫得带来显贵改善。谈论团队分析觉得，这是因为底层的抓取计策本人还有性能瓶颈，即使高层野心愈加合理，最终的施行仍然受到低层限定算法的限定。

九、智能门控机制的职责旨趣

OmniEVA的门控机制就像一个训导丰富的职责分拨员，大要根据任务需求智能地决定是否调用3D分析智力。谈论团队通过大王人实验分析了这个机制的职责方法，发现了一些真谛的限定。

当用户领导中包含几何体式相关的词汇时，门控机制的激活概率会显贵提高。比如"shape"（体式）、"square"（方形）、"rectangular"（长方形）等词汇的激活率高达80%、72%、78%。这表现系统学会了将几何刻画与3D空间分析需求关联起来。

一样，空间行动相关的动词也会触发门控激活。"throwing"（投掷）、"go"（前去）、"away"（隔离）等词汇的激活率王人在62%以上。这些词汇往往波及物体在空间中的灵通轨迹或相对位置关系，如实需要3D空间信息来准确相识和施行。

相悖，一些与空间几何相关不大的词汇很少触发3D方法。"many"（许多）、"nine"（九个）等数目词的激活率惟一3-4%，因为计数任务主要依靠2D视觉识别，不需要复杂的3D空间分析。"beds"（床）、"pillows"（枕头）等常见物品名词的激活率也很低，表现简便的物体识别任务用2D视觉就填塞了。

谈论团队还展示了具体的案例分析。当用户问"我坐着的桌子是什么体式"时，系统激活门控的概率为0.73。这是因为判断桌子体式需要相识其范畴和几何特征，单纯的2D视觉可能不及以准确分离"方形"和"长方形"。但当用户问"桌子上有些许个暴露器"时，系统的门控激活概率惟一0.39，因为这主如果一个计数任务，2D视觉智力就能很好地完成。

真谛的是，即使是一样波及体式的问题，系统也会根据具体情况调养计策。商讨圆桌体式时激活概率为0.52，比商讨方桌时的0.73要低。谈论团队推测这可能是因为圆形相对方形来说在2D视角下更容易识别，不太需要额外的3D信息扶助判断。

十、骨子部署中的发达案例

为了考据OmniEVA在的确环境中的实用性，谈论团队将其部署到了骨子的机器东说念主硬件平台上。他们使用的是一个配备双机械臂的轮式迁移机器东说念主，在的确的办公环境中进行了多项测试。

在一个典型的测试场景中，用户领导机器东说念主"把纸杯放在桌子后方的空位上"。通盘施行经过就像看一个落魄不羁的助理职责：起先，机器东说念主通过录像头不雅察桌面情况，识别出各式已有物品的位置。然后，系统的门控机制判断这是一个需要3D空间分析的任务，因为需要精准相识"后方"的空间见解以及评估空位的大小。

接下来，OmniEVA动手了它的"想考"经过。系统分析了桌面的三维布局，识别出几个候选的空位，然后概述洽商机械臂的职责范围、底盘的位置限定、以及纸杯的尺寸条件，最终选拔了一个最优的扬弃位置。在通盘经过中，机器东说念主的行动畅通当然，莫得出现卡顿或碰撞。

另一个更复杂的测试是"把杯子放到会议室摆布的长桌上"。这个任务需要机器东说念主进行长距离的导航，穿过办公区域到达指定位置。OmniEVA起先分析了面前环境，野心出一条从来源到贪图桌子的最优旅途。在迁移经过中，系统陆续监控周围环境，当令调养途径以躲避顿然出现的东说念主员或阻拦物。

到达贪图桌子后，OmniEVA再次启用其空间分析智力，评估桌面的情况并选拔合适的扬弃位置。通盘任务从动手到收尾节略用了3分钟，时期莫得东说念主工干涉，完全由系统自主完成。

稀奇值得一提的是系统的躯壳感知智力在骨子应用中的发达。在一次测试中，系统治先选拔了一个看似合适但骨子上机械臂无法到达的位置。但在施行前的终末检查阶段，躯壳感知模块发现了这个问题，系统实时调养了扬弃位置，幸免了施行失败。

谈论团队还测试了系统处理弄脏领导的智力。当用户说"找个地方放这个杯子"而莫得指定具体位置时，OmniEVA会自动分析周围环境，寻找最合适的扬弃地点。系统的选拔法子包括空间是否填塞、是否容易到达、是否会影响其他物品等多个身分，最终的选拔平素既合理又实用。

说到底，OmniEVA的出现符号着机器东说念主智能上前迈进了一大步。它不再是那种只可施行预设技艺的机械安设，而是的确具备了空间相识和躯壳感知智力的智能助手。固然距离科幻电影中的竣工机器东说念主还有距离，但OmniEVA一经展示出了在的确环境中匡助东说念主类完成日常任务的巨大后劲。

这项谈论最大的价值在于它处治了机器东说念主领域历久存在的两个中枢问题：如何让机器东说念主像东说念主类一样相识3D空间，以及如何让机器东说念主明晰我方能作念什么、弗成作念什么。通过任务自恰当的3D建模和躯壳感知推理，OmniEVA为畴昔的劳动机器东说念主、工业机器东说念主以及各式自主系统提供了热切的技巧基础。

跟着技巧的进一步发展和完善，咱们有旨趣坚信，像OmniEVA这么的智能系统将慢慢走进千门万户，成为东说念主们日常活命中不可或缺的助手。它们可能会在家庭中匡助整理房间、准备饭菜，在办公室中协助处理文献、搬运物品，在工场中施行精密装配、质地检查等任务。这个充满可能性的畴昔，正在一步步向咱们走来。

Q&A

Q1：OmniEVA是什么？它有哪些特有智力？

A：OmniEVA是华为诺亚方舟实验室劝诱的智能机器东说念主系统，它最大的性情是能像东说念主类一样相识3D空间，况兼知说念我方的躯壳能作念什么、弗成作念什么。它有两个中枢立异：一个是能根据任务需要智能切换2D和3D视觉方法的"任务自恰当3D建模"，另一个是让机器东说念主制定野心时洽商物理限定的"躯壳感知推理"。

Q2：OmniEVA比传统机器东说念主系统强在那里？

A：传统机器东说念主要么只可看2D图像缺少空间感，要么固然能处理3D信息但不会无邪诓骗，而且频繁制定出表面可行但骨子无法施行的野心。OmniEVA能智能判断什么时期需要3D分析，什么时期2D视觉就够了，而且制定的每个行动野心王人洽商了机械臂长度、要害无邪度等物理经管，确保能的确施行告捷。

Q3：OmniEVA的骨子应用效果如何？

A：在8个公开测试中OmniEVA有7个达到最好得益，在复杂操作任务中告捷率比普通方法提高了28.95%到50%。更热切的是，它一经告捷部署到的确机器东说念主上开云kaiyun官方网站，能完成"把杯子放到桌子空位上"、"将物品送到指定房间"等日常任务，通盘经过畅通当然，无需东说念主工干涉。