为核心，使模型既能输出连续的 RGB 视频流，也能按需生成显式 3D 几何与点云，极大提升了上下文泛化能力。
三、颠覆机器人技术（Embodied AI）
-破解机器人的“数据荒”：
李飞飞指出，当前机器人发展的核心瓶颈不是计算芯片，而是物理交互数据的严重匮乏。传统机器人训练依赖昂贵的人工遥操作采集或手写物理引擎模拟。
-Real-to-Sim-to-Real（虚实闭环）：
利用 Atlas，只需手机录制一段几十帧的短视频，即可一键生成高拟真环境模拟。在此模拟中，可以任意改变光照、挪动物体或添加障碍物，生成机器人机载摄像头视角的合成交互数据，为端到端机器人策略（Policy）训练提供取之不尽的训练场。
四、 哲学与前沿思考：新视角预测是“AI 完全”的
-AI 完备性（AI-Completeness）假设：
理论上，如果一个核心任务能归约或映射所有智能问，它就是 AI 完备的（如“下一个词预测”只要做到极致，就能推理出悬疑小说的凶手）。
-进化的视角：
团队与李飞飞强调，新视角预测同样具有 AI 完备性。从生物进化角度看，植物静止不动因此不需要眼睛；动物进化出运动能力，运动的本质就是“不断观察下一个全新视角”，并在空间行动与视觉反馈之间形成闭环。因此，在三维物理世界中理解空间、推理几何与预测视角的智能，是通向通用物理世界智能（AGI）的必由之路。
@aigc1024
September 6, 2026 181 2
