Workshop 主题与共识

A·3 workshop 主题解读

PART A · 3主题解读：VGI 揭示了这群人在赌什么

把 9 场 talk + 18 篇 poster 压成一张”赌注地图”。

❓深问：为什么自动驾驶 / 具身格外依赖”合成 + 主动采集”？

三个叠加的结构性原因：

② 数据是”深层”的、必须交互才能获得（Efros）。语言/图像是被动 scrape 的表层数据；而”这个动作会导致什么”只能主动试——所以具身天然需要主动采集 / 世界模型 rollout / RL 探索，而非静态数据集。Wayve 的数据飞轮、Grauman 的 ego 采集、Theory of Space 的主动探索都是这个逻辑。

③ 分布长尾且安全攸关：驾驶的风险集中在罕见长尾，而真实里程里长尾出现频率极低 → 必须合成/重仿真放大长尾密度才能高效训练与验证。

但正因如此，上界也最致命：合成只能重组生成器/仿真器的支撑集（插值上界），真正没见过的长尾生成不出、也评不到；接触/摩擦物理仿真最不真（sim2real）。→ 结论：合成负责”放大与彩排”，真实主动交互负责”注入新信息”，两者缺一不可——这正是 Kendall（真车队+GAIA）、Grauman（真 ego 采集）、田永龙（合成造血）在同一场会里互补的深层原因。

一句话总结 PART AVGI Workshop 是一场”视觉派的独立宣言”：在 VLM/MLLM 用语言统治多模态的当下，这群人（含田永龙）押注”视觉靠生成、几何、运动、自监督与合成数据，能自己长出通用智能”，同时清醒地用 Efros 的”深层数据”与”超越 FID”的评测观给自己设护栏。田永龙的十年工作，恰好同时踩在③（合成/表征）与护栏 B（超越 FID）上——这就是他为什么在这张桌子上。