（来源：上观新闻）
。每个视觉对🌺👉象都有💞🇷🇸了明确🧤🇮🇨的空间锚点，推理🥝过程变🏳得可追踪、可⭕验证🤽♂️。“mo🍥del 🇻🇳the🚜 world”👩🦲🐷，仍然是在🇧🇶📓理解与预测世界🚺🔝；而“m🇩🇪🎸old the 🎥world✳”，则意味🇪🇭着进入世界♻🌊内部，©💵重写它的🏡🇮🇨生成规则↩🔓。机器人的“身体”🏌进步飞🧭📑快，但“理解👗力”还😽🥋差得远🆓。
我认为🎼📜hype⚱rscaler🏢不会愿意🕍🌝承担纯🎚表后供电的风↗🇸🇴险🇹🇭。照片里🎂📙有十几⭐只狗，你说“左边🌁📆那只狗”，那🥁🙇模型就🚕🍊没办法🇧🇳🎬理解你说♍的具体是🔉哪只👩❤️👩👿。所以我们不会👩🎨预设"🤼♀️一定是社区"，但🇹🇯🚈我们会把🎨社区长出🍳🌡来的土壤准备好🎢🐅。模型在思👩👧考的时候，不只💯👩🦳是用语言描述“我🧤🏪看到了一只🅾狗”，还同时输🈳🔹出“我看到了一只🎱👈狗，它在🎙这里：[[🍓x1,y1☯🇸🇲,x2,y2]]◾🗜”😧🇮🇹。
