李飞飞在访谈中指出，空间智能是实现通用人工智能（AGI）的关键，强调理解和生成三维世界是AI的基本问题。她希望构建超越平面像素的世界模型，并回顾了ImageNet的影响，讨论了AI的发展及其与自然语言的结合，展望未来的空间智能应用。

本文探讨了视觉语言模型（VLMs）在强化学习中的应用，提出了一种新方法，通过将VLMs作为策略初始化工具，提升复杂任务中的表现。研究表明，基于VLMs的策略优于传统方法，展示了其在三维世界理解和交互中的潜力，推动了通用智能体的发展。

研究人员提出了一种根植于三维世界的通用代理人LEO，通过训练和大规模数据集，LEO在感知、推理、规划和行动方面表现出色。实验证明LEO在三维字幕、问题解答、推理、导航和机器人操作等任务中具有出色能力。

最近的机器学习模型在构建通用性代理人方面取得成功，但在与三维世界交互方面仍有挑战。提出了一种根植于三维世界的通用代理人LEO，通过训练和大规模数据集展现出色的感知、推理、规划和行动能力。实验证明LEO在多个任务中表现出色，为未来根植式通用代理的发展提供了有价值的见解。

研究人员提出了一种根植于三维世界的通用代理人LEO，通过训练和大规模数据集，LEO在感知、推理、规划和行动方面表现出色。实验证明LEO在三维字幕、问题解答、推理、导航和机器人操作等任务中具有出色能力。

最近的机器学习模型在构建通用性代理人方面取得成功，但在与三维世界交互方面仍有挑战。提出了一种根植于三维世界的通用代理人LEO，通过训练和大规模数据集展现出出色能力。消融实验结果为未来根植式通用代理的发展提供了有价值的见解。