团队主要聚焦于赋予机器人三项基础能力：一是相机定位（Camera Pose Estimation），即让机器人知 道自己在空间中的位置；二是深度估计（Depth Estimation），使机器人了解场景中各物体与自身的距 离；三是物体运动估计（Object Motion Estimation），让机器人感知世界的运动状态。 这些底层空间感知技术有何作用？首先，它们能为机器人提供关键的决策信息。例如，无人机在空间中需 要先知道自身位置、与场景目标的距离，才能实现基础避障；进而还需了解目标物体的运动情况，才能进 行追踪。基于从场景中获取的三维空间信息，机器人的行为规划便能得到有力支持。 其次，这些技术可用于生成训练数据。当前具身智能领域的一大难题是数据匮乏。以往有人尝试仿真或遥 操获取数据，但遥操数据虽好却难以规模化扩展，而仿真技术目前仍与真实世界存在较大差距。 彭思达提出，其实可将人类视作一种特殊形态的机器人——具备完整的身体结构与行为模式。若能发明一 种数据采集设备，将人类日常行为完整记录下来，就相当于获取了机器人所需的行为数据，从而可用于训 练人形机器人。这其中便涉及相机定位、深度估计与物体运动估计等技术。 ...