训练时摄像头在桌面左侧，部署时换到右侧，机器人可能把图像坐标误当成任务空间位置。伊利诺伊大学厄巴纳-香槟分校与哈佛大学提出ARGUS，先把任意视角转换成标准机位，再交给现有视觉动作策略。
论文报告，在视角多样数据上，ARGUS达到高成功率所需训练速度比此前方法快4至6倍。真实机器人实验只有两项桌面任务、五个相机位置，每个位置各10次，结论边界较清楚。
两张RGB图先变成3D点云
ARGUS接收两个任意机位的RGB画面，用大规模3D视觉模型估计场景点云。点云经过尺度校准和世界坐标对齐后，从预先选定的标准视角重新渲染为2D图像，原有Diffusion Policy等策略直接读取这张图。
论文图1：两路RGB图像先重建并对齐3D场景，再渲染标准视角供动作策略使用。
它没有要求下游策略自己学会所有相机变化，也不需要为每个新机位重新收集同构数据。预处理把复杂的视角差异压到统一观察空间，策略把容量留给物体关系和动作。
多样机位不再全压给策略记忆
研究设置包含固定多相机配置和高度变化的相机位置，用来比较有限视角与多视角训练。原始画面里，同一只杯子会因相机高度、距离和朝向落在完全不同的像素区域。
论文图2：训练数据覆盖不同高度、方位和距离的相机姿态。
ARGUS选择能看清工作区与操作物体的标准机位。所有输入都被投到这个视角后，策略面对的视觉分布更集中，因此更快收敛。
论文图3：标准视角以工作区和被操作物体的可见性为选择依据。
点云错误会成为新的单点故障
如果两张图遮挡严重、3D模型深度估计错误或尺度对齐不准，重新渲染的画面会把几何误差直接交给控制策略。快速移动物体、透明容器和强反光表面都可能增加难度。
真实测试中，“马克笔放入杯子”和“展开毛巾”覆盖了刚体与柔性物体，但范围仍小。4至6倍是收敛效率，不是执行速度或成功率统一提升倍数。扩大到移动机器人、动态场景和更多任务后，标准视角预处理是否仍稳定，需要更大规模实机数据。
