双赛道夺冠｜诺因智能斩获CVPR 2026 EgoCross Challenge全球第一

来源：公众号“Knowin诺因”

原文链接：https://mp.weixin.qq.com/s/t-o34_8wWAjMD6YBp7Nwqw

CVPR 2026 EgoVis Workshop 首届 EgoCross Challenge 挑战赛结果正式揭晓！诺因智能（Knowin）凭借自研高效推理技术，一举拿下Source-Limited、Open-Source 双赛道全球第一名，实现该赛事双赛道满贯夺冠！

本次夺冠，充分验证了诺因智能在第一视角视频理解、跨领域泛化能力、小模型高效适配、复杂具身场景感知领域的硬核技术，充分印证了团队在具身智能核心感知技术领域的前沿研发实力。

EgoCross Challenge 是 CVPR 2026 EgoVis Workshop 重磅推出的首届跨领域第一视角视频理解专项赛事。作为全球第一视角视觉、人机交互与机器人感知方向的核心权威赛事，本届比赛聚焦具身智能前沿，旨在全面考察并突破 EgoCentric（第一视角感知） 的核心能力。 如果说传统的 EgoCentric 聚焦于“单个主体的第一人称基础感知”，那么本届EgoCross 则代表着更高级别的跨主体、跨视角的交叉建模与推理能力。

赛事基准源自AAAI 2026 顶会公开论文，专为解决真实场景的模型域泛化难题打造，更能真实反应模型应对复杂场景时的泛化能力。

赛事依托798 个专业场景视频片段、957 组高精度问答样本，全方位考核模型的识别、定位、预测、计数四大核心能力，精准检验模型在陌生、复杂、动态真实场景中的感知与推理水平。

作为行业公认的高难度评测基准，EgoCross 对 AI 模型极具挑战性。过往评测数据显示，主流通用多模态大模型、第一视角专用模型在该基准中表现普遍不佳，CloseQA 平均准确率不足 55%，OpenQA 准确率更是低于 35%，足以印证赛事的技术门槛与行业含金量。

本次赛事分为 Source-Limited 受限赛道 与 Open-Source 开源赛道。双赛道各有侧重、各展所长：受限赛道严苛设限，彻底杜绝“大模型堆参数、大数据堆训练”的内卷套路，真正比拼算法创新与工程优化能力；开源赛道则全面开放，允许拥抱大模型与海量数据，全面释放前沿技术的巨大潜能。

 Source-Limited 赛道：

强制固定基座模型为 Qwen3-VL-4B，仅提供少量支持样本，严格限制数据与模型扩容，完全考验团队的推理策略与算法设计能力。

Open-Source 赛道：

开放模型与数据权限，汇集全球顶尖团队与商用模型同台竞技，竞争维度更全面、行业参考性更强。

在全球超过130个顶尖参赛队伍、超1500次提交的激烈角逐中，诺因智能成为唯一包揽双赛道冠军的团队，以绝对优势刷新赛事基准纪录，打破了“大模型才具备强跨域感知能力”的固有认知。

本次夺冠，诺因智能并未采用传统的大规模预训练、海量数据微调方案，而是依托自研 KnowinAct 生成式决策框架，创新提出了“场景自适应推理”策略。其核心思路与KnowinAct “理解场景，再进行决策”的理念一脉相承：不盲目堆砌模型与数据，而是通过构建动态决策链路，让轻量化 Qwen3-VL-4B 精准适配各类第一视角复杂场景。

在面对第一视角视频中的多样化任务时，KnowinAct 并非简单依赖视觉识别，而是能够根据不同场景动态构建决策链路：

• 在手术场景中，理解器械、组织与操作步骤之间的时序关系，实现高精度操作意图推理；

• 在工业场景中，理解零部件属性、空间关系与标准作业流程，完成复杂任务判断；

• 在极限运动场景中，捕捉高速动态变化，推断动作演进趋势；

• 在动物视角场景中，适应非标准视角与复杂运动模式，理解特殊环境下的交互逻辑。

这种能力背后体现的是 KnowinAct 的核心思想：不是让模型记住更多数据，而是让模型学会如何思考和决策。

诺因在此次EgoCross Challenge挑战赛夺冠进一步证明，未来具身智能的发展不仅取决于模型规模，更取决于决策能力。KnowinAct 所代表的生成式决策路线，正在持续释放轻量化模型的潜力，为机器人理解世界、规划任务和执行动作提供更加高效的基础能力。