被谷歌点名感谢！群核科技SpatialLM开源：让机器人瞬间「悟透」3D世界

最新推荐文章于 2025-06-12 09:08:45 发布

最新推荐文章于 2025-06-12 09:08:45 发布 · 868 阅读

文章标签：

#科技 #机器人 #3d

量子变法专栏收录该内容

462 篇文章

订阅专栏

引言：从谷歌论文到开源革命，中国团队如何定义空间智能新范式？

2025年，谷歌与斯坦福联合发布的FirePlace论文中，一段致谢语让一家中国公司走入全球AI视野：“感谢群核科技SpatialVerse团队提供的物理级真实3D场景数据。” 这一认可，不仅印证了群核科技在空间智能领域的技术实力，更揭开了其开源黑科技的序幕——SpatialLM模型的发布，正在重新定义机器人理解物理世界的方式。

一、SpatialLM：用手机视频教会机器人「看懂」3D世界

1. 技术突破：从2D到3D的感知革命

传统困境：
传统机器人训练依赖2D图像标注或高成本3D激光雷达，前者无法理解空间关系，后者成本高昂且难以普及。
SpatialLM的创新：
通过一部普通手机拍摄的视频，即可生成带物理规则的3D场景布局。例如，输入家庭环境视频，模型能输出：
- 几何信息：房间尺寸、家具位置、通道宽度
- 物理规则：沙发与墙面的合理间距、台灯必须放置于桌面等

2. 技术原理：视频→点云→结构化数据

视频解析：使用MASt3R-SLAM技术将视频拆解为密集点云，标记物体边缘、纹理等细节。
点云编码：通过点云编码器提取特征，结合大语言模型生成场景代码（如“沙发离墙1.2米，高度80cm”）。
3D重建：将代码转化为可交互的3D模型，支持可视化验证。

3. 开源价值：降低空间智能门槛

开源平台：HuggingFace、GitHub、魔搭社区已开放，开发者可直接调用。
低成本采集：仅需手机拍摄，无需专业设备，数据采集成本降低90%以上。
动态适应：环境变化时，重新拍摄视频即可更新模型，机器人无需从头学习。

二、SpatialVerse：构建具身智能的「数字道场」

1. 从认知到行动的闭环

SpatialLM负责「认知」：解析视频生成3D场景数据。
SpatialVerse负责「行动训练」：在仿真环境中，机器人学习避障、抓取、紧急制动等技能。
Real2Sim2Real路径：现实视频→结构化数据→虚拟场景扩增→仿真训练→现实迁移，形成完整闭环。

2. 技术生态：与行业巨头深度整合

与NVIDIA合作：SpatialVerse与Isaac Sim深度整合，支持OpenUSD标准，实现高逼真度仿真。
数据「石油」：群核科技十余年积累的室内三维交互数据，为训练提供稀缺资源。
场景泛化：1段视频可生成亿万个虚拟场景，缩小仿真与现实差距。

三、行业痛点与群核的解决方案

1. 具身智能的「死亡之谷」

数据饥渴：传统3D数据采集成本高，场景多样性不足。
环境适应性差：微小环境变化需重新训练，导致实验室外表现差。
训练成本高：依赖专业设备和团队，仅少数机构可负担。

2. 群核的破局之道

数据平民化：手机即可采集，边际成本趋近于零。
动态适应：通过视频更新模型，机器人具备「常识推理」能力。
生态开放：开源模型+仿真平台，推动行业从「专有模型」迈向「通用模型」。

四、未来展望：机器人「上学」与数字地球的崛起

1. 技术演进路径

短期：SpatialLM支持自然语言交互，机器人可与人类对话执行任务。
中期：结合多模态能力，实现视觉、触觉、动作的全栈感知。
长期：构建「数字地球」，机器人先在虚拟世界学习，再进入现实世界服务人类。

2. 行业影响

训练成本革命：从「指数级曲线」变为「平面结构」，推动机器人通用模型的「涌现」。
应用爆发：家庭服务机器人、工业协作机器人、医疗手术机器人等场景加速落地。
生态繁荣：开发者无需从零开始，微调模型即可快速迭代。

结语：空间智能的「中国方案」

群核科技通过SpatialLM+SpatialVerse双引擎，不仅解决了具身智能的「数据饥渴」与「环境适应」难题，更以开源精神推动行业从「实验室特权」走向「普惠AI」。当机器人能像人类一样「看懂」世界，我们或许正站在一场机器人革命的起点——它们将在数字地球中「毕业」，最终成为人类最可靠的伙伴。

参考资料

结语： 从谷歌的致谢到全球开发者社区的拥抱，群核科技用技术证明：空间智能的未来，正在中国团队的手中被重新定义。