从一个world bench 开始研究了，它有一个估计物理参数。然后我仔细看了像素的位置和相机参数，相机在三维世界的位置和旋转，深度，这些可以唯一确定一个三维世界的点。

发现这还挺巧妙的，然后李飞飞的Atlas专门把相机位姿作为一种原生输入模态训进了模型，以前是用prompt描述相机位资的，我感觉这个非常make sense啊，这样相机的像素移动就可以对标真实世界的运动了。机器人atlas 世界模型世界模型李飞飞