YOLO

YOLO / You Only Look Once 是单阶段目标检测路线的代表。它把目标检测从“先生成候选区域再分类”的两阶段流程，压缩为一次前向传播中同时预测边界框和类别概率的端到端任务。

观察

YOLO 的关键贡献是把速度作为目标检测系统的一等约束。实时视频、自动驾驶、机器人和边缘设备场景里，低延迟本身就是能力的一部分。
原始 YOLO 论文把检测统一成一个回归问题，这使它成为“感知系统工程”的典型案例：模型结构的价值不只在精度，也在推理延迟、部署简洁性和吞吐。
后续 YOLO 系列不断演化，百科来源把它描述为从锚框、FPN、多任务框架到无 NMS/端到端推理的长期社区路线。具体版本和性能数字需要以对应论文或官方仓库为准。
对具身智能而言，YOLO 这类实时感知模型是底层能力，不等于完整智能；它只能解决“看到什么”，不能单独解决任务规划、动作控制、世界模型和安全闭环。