一、视频理解的技术瓶颈：人工标注的高成本困局 在视频理解领域，数据标注始终是制约模型性能的核心瓶颈。以机器人模仿人类倒水场景为例，系统不仅需要识别水杯、水壶等静态物体，更要精确捕捉手腕旋转角度、水流……
