简介
三维感知、世界建模与交互是智能系统理解物理环境并自主行动的重要基础。随着应用从受控场景拓展至开放、动态乃至极端环境，融合几何结构、语义信息与空间记忆，构建可理解、可生成、可交互的世界模型，成为连接视觉感知与规划决策、推动空间智能和具身智能发展的关键。当前，复杂场景下的三维感知仍面临观测不完备、动态干扰与传感受限等挑战，精度与鲁棒性难以兼顾；场景表征、空间记忆与内容生成之间缺乏有效协同，模型的持续更新、可控编辑及对行动后果的预测能力仍有不足。这些问题制约了智能体的可靠推理、长期任务执行与真实环境泛化。本论坛将围绕复杂环境三维重建与多源定位、层次化空间记忆、显式三维场景表征与可控生成、可交互世界模型及多模态智能体规划决策展开讨论，重点探讨如何贯通感知、建模与行动，提升模型的可理解性、可操作性与交互可靠性，并结合空天探测、视觉导盲和机器人等应用，交流共性挑战与技术路径。
简介为官网原文，部分内容可能未写完。
人员
主席
- 李崇寿 · 西南交通大学
嘉宾
- 山世光 · 中国科学院计算技术研究所
- 戴玉超 · 西北工业大学电子信息学院
- 雷印杰 · 四川大学
- 郭裕兰 · 中山大学
- 李欣科 · City Univeristy of Hong Kong
报告安排
开幕式
李崇寿 · 西南交通大学
面向视觉导盲系统的视觉理解与空间感知
山世光 · 中国科学院计算技术研究所
简介
视觉导盲系统旨在基于视觉理解和空间感知等人工智能技术为盲人提供安全可靠的导航能力。报告将介绍团队面向视觉导盲系统研制的注意力自适应视觉感知、行走世界模型、多源空间定位和分层次视觉记忆等方法和技术，并展示初步实现的视觉导盲系统及应用效果。
空天极端环境智能三维视觉
戴玉超 · 西北工业大学电子信息学院
简介
智能三维视觉致力于让机器具备感知、认知与理解复杂动态三维世界的能力，是空间智能、具身智能等前沿领域的共性数字基座。报告围绕复杂动态环境下三维视觉面临的瓶颈难题，系统汇报课题组在复杂动态场景三维重建、新型视觉传感器几何建模与学习、多视角几何与数据驱动融合的三维感知等方向的研究进展。结合空天极端环境对高精度、高鲁棒性三维视觉感知与理解的迫切需求，探讨智能三维视觉在极端环境、极端任务、极端数据条件下的核心挑战与突破路径，展望其在深空探测、空天智能等方面的应用前景。
多模态智能体：前沿研究与发展趋势
雷印杰 · 四川大学
简介
多模态智能体通过融合“音、视、图、文”等异构信息，使智能系统具备在复杂开放环境中感知世界、决策规划并执行行动的能力。随着人工智能从感知智能迈向认知和行动智能，多模态智能体正成为通向通用人工智能的重要研究方向。本报告将围绕多模态智能体的研究前沿展开，介绍其在任务规划行为决策及人机协同等方面的最新进展。探讨其在机器人、医疗与教育等领域的应用潜力。最后，报告将讨论当前多模态智能体所面临的挑战，包括可靠推理、长期任务执行、与真实世界泛化等问题，展望其未来发展趋势与可能突破方向。
面向空间智能的三维场景生成
郭裕兰 · 中山大学
简介
空间智能作为人工智能领域备受关注的前沿方向，旨在赋予机器对其所处三维空间进行深度感知、语义理解、逻辑推理与自主交互的能力。如何实现对复杂三维场景的精准感知、动态认知与内容生成，已成为推动智能系统与真实环境实现安全、可靠、智能交互的核心挑战。本报告将聚焦空间智能发展的新趋势与新需求，重点介绍可控视频生成和三维内容生成等方面的最新研究进展。
迈向可交互的空间世界模型：显式三维场景理解、表征与编辑
李欣科 · City Univeristy of Hong Kong
简介
以点云为中心的显式三维场景表征为机器理解、重建和操作物理世界提供了重要基础。本报告将介绍我们在显式三维场景学习方面的系列工作，包括点云的层次化结构建模与语义分割、三维高斯泼溅的统一学习表征，以及三维场景的生成。在此基础上，报告将进一步探讨高斯泼溅的交互与编辑，推动三维场景表征从可感知、可重建走向可理解、可控制和可操作的空间世界模型。