斯坦福提出 EgoMo3R：从第一视角视频联合重建 3D 人体运动与场景
jcniebles · x · 2026-11-09
斯坦福与松下团队在 NeurIPS 2026 发表 EgoMo3R，一个从随手拍摄的第一视角（egocentric）视频同时重建 3D 人体运动与场景几何的联合优化框架，面向 AR/VR 与机器人应用。
- 要解决的问题：现有方法把运动重建与场景重建分开处理，且自我中心运动重建通常依赖专用惯性传感器提供的度量级、重力对齐相机轨迹；单目视频中剧烈头部运动和运动模糊使轨迹恢复很难。
- 方法：利用单目深度、光流、点轨迹等低层视觉几何原语，通过一阶优化与扩散模型人体运动先验结合；提出交替优化方案形成协同反馈——场景重建为运动先验提供物理约束和轨迹条件，运动先验反过来正则化相机轨迹并把场景锚定到度量级重力对齐世界坐标系。
- 结果：在 EgoExo4D 与 Nymeria 数据集的高动态序列上，3D 场景重建和自我中心运动估计均超过专用基线。
「具身」频道最新
- 机器人初创一年前注册仅一周，如今带全球研究员重返 CoRL — animesh_garg · 2026-11-09
- CoRL 2026 将办机器人世界模型不确定性研讨会,LeCun 参与组织 — Majumdar_Ani · 2026-11-09
- 开发者给 AI 编码 agent 做了块 ESP32 小屏幕，一眼看出谁在干活 — DanWahlin · 2026-11-09
- CoRL 收官夜：Origami Robotics 将首发新款直驱灵巧手与数据手套 — ybisk · 2026-11-09
- OmniGuide 无需重训即可在推理时引导扩散型 VLA 动作生成 — thoma_gu · 2026-11-09
- Physical Intelligence π0.7 明日亮相 CoRL 口头报告,展现涌现能力 — lucy_x_shi · 2026-11-09