LA-Pose：先學「運動感知」，再以極少標註估相機位姿

Wayve 與 Simon Fraser University 提出 LA-Pose，核心思路是從海量無標註行車影片中，以自監督方式學出「隱含動作」特徵，再用少量 3D 標註資料將這些特徵轉接至相機位姿估計任務。結果在 Waymo 與 PandaSet 基準上超越頂尖 feed-forward 方法逾 10%，且標註需求少了一至兩個量級。這是目前已知自監督逆向動態學習被驗證能驅動位姿估計的案例，意味著「先看懂運動、再點少量樣本」這條路，理論上比堆砌昂貴 3D 標註更具規模經濟。對自駕與具身智慧開發者而言，值得追蹤其能否在更多場景複現。