计算机视觉正面临转变，将融入“感知-行动循环”。传统的3D重建等中间步骤将被淘汰，端到端的方法将成为主流。目前的挑战是缺乏足够的“感知-动作”配对数据，未来需通过新技术解决这一问题，以推动智能体的发展。