Evo-0模型通过隐式注入3D几何先验，提升机器人对三维空间的理解，成功率提高31%。该方法无需额外传感器，利用VGGT提取3D信息，显著增强空间感知，训练效率高，适用于多种机器人任务。

FocalAD是由北京航空航天大学等团队提出的端到端自动驾驶框架，专注于局部运动预测和优化规划决策。实验结果表明，其在Adv-nuScenes数据集上的碰撞率降低了41.9%，在安全性和精度方面优于现有方法。

2025年CVPR于6月13日公布最佳论文，收到超过4万名作者提交的13008篇论文，最终接收2872篇，接受率约22.1%。最佳论文由牛津大学与Meta AI合作提出，名为VGGT，突破了单一任务限制，能够从多个视角推断场景的三维属性，且重建速度快，性能达到SOTA级别。

CVPR 2025最佳论文由牛津大学与Meta AI合作的VGGT模型获得。该模型基于前馈Transformer架构，能够高效推断3D属性，快速重建图像，性能超越传统方法。