作者｜黄楠 编辑｜袁斯来 对具身智能而言，开发环境感知和理解是核心能力。视觉感知作为机器和物理世界交互的基础，自Transformer架构诞生后，视觉模型与之结合、走上一条“从小变大，从N变1”之路，带来了全场景视觉感知能力的提升，为技术落地拓宽空间。 11月22日，2024 IDEA大会在深举办，IDEA研究院现场发布了最新的DINO-X通用视觉大模型，它具备物体级别理解能力，无需用户提示，即可实现对开放世界（Open-world）目标检测；同时还推出行业平台架构，通过大模型基座结合通用识别...