待验证50% 置信事实精确时间

VDAs将相机视角和上半身姿态的控制统一交给代理网格渲染，而表情走学习式编码通道，三者彼此独立可分别调整。

1

来源数

50%

置信度

长期有效

时效性

2026/10/19

首次发现

来源

视频扩散模型打造可控3D虚拟人：VDAs突破单图生成瓶颈

涉及实体

VDAsmodel 代理网格渲染concept

相关事实

已验证具身智能当前主流技术路线是视觉-语言-动作模型（VLA），将摄像头图像与语言指令共同输入，直接输出机械臂的关节控制信号75% 相似待验证当前主流VLA模型通常将多路RGB图像直接拼接或按固定顺序输入策略网络，隐含假设训练和测试时相机数量、安装位置、内外参完全一致。74% 相似待验证VG-Pairs 合成配对监督数据集的构建流程是：从带有多样相机运动和位姿标注的真实视频出发，将每个视频片段视为“几何一致的目标”，再用预训练的图生视频修复模型配合轨迹自适应关键帧，合成出对应的“失真版本”。73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1065794

API

curl https://kongchang.com/api/v1/knowledge/claims/1065794

MCP

get_claim(id=1065794)