金磊 发自 凹非寺贵港保温护角专用胶

量子位 | 公众号 QbitAI

刚刚，机器人的视觉，又达到了个新的Level。

因为现在，个新模型已经实现了尽流：看∞帧可以稳定实时3D重建！

来，感受下这个feel：

地址：https://mp.weixin.qq.com/s/h3UIMZn46LA2m570p9pKkw

或许有小伙伴要问了，这有啥用啊？

简单来说啊，若是这个模型放到扫地机器人身上，那它就能边扫边认清里的3D结构；若是放到自动驾驶身上，那就是边开车边清路面情况。

有种火影里宁次白眼的那种味道了。

（注：白眼的能力是360°死角透视+远的洞察力+看穿查克拉流动；对应这个模型的全位空间感知、长序列不丢失细节的特点。）

△图源由AI生成

这，就是蚂蚁灵波新开源的LingBot-Map，个为纯自回归的流式3D重建而造的基础模型。

不同于此前具身智能视觉的3D重建，这次，LingBot-Map做到了快、准、狠——

破了“既要实时、又要记路、还要省显存”的不可能三角。

这种Level的流式3D重建，并不简单

在聊“流式3D重建为什么难”这个话题之前，咱们且需要先分清两个概念：普通3D重建和流式3D重建。

因为它俩可以说是两个维度的技术。

先来看传统离线3D重建（离线）。

它的本质用种微妙的形容，大概就是“事后诸葛亮”，因为须先拍完完整、存储所有帧画面，再集中力全局建模。

这样做的缺点很明显就是速度慢、耗显存、法实时交互，应用面也能用在影视建模、数字孪生等静态场景，根本没法给需要实时决策的机器人、自动驾驶用。

但流式3D重建（在线）就不样了，它是真能满足具身智能的核心刚需：

来帧帧，边拍边建模、边感知边决策，和人类边走边认路的视觉逻辑度致。

不过看似简单，但在实现的过程中，业内公认的有三座大山挡在面前。

△图源由AI生成

，记太多就爆显存。

如果模型硬存所有历史帧，几千帧过后显存直接拉满，消费显卡根本跑不动，工业设备也扛不住长时运行。

二，记太少就忘光光。

若是只缓存近几帧，模型会出现灾难遗忘，长时间运行后轨迹狂漂移、重建场景扭曲变形，相当于人走久了忘了自己在哪。

三，精度速度不可兼得。

要么建模但理慢到卡顿，要么实时够了但画面糊成马赛克，始终找不到平衡点。

关键的是，之前大多数的流式案，不是依赖测试时优化贵港保温护角专用胶，就是用未来帧信息做全局校准，亦或者加入人工设计的关键帧规则，并非端到端的纯理。

而LingBot-Map走的是纯自回归这条难的路：严格遵循因果律，仅依赖历史帧信息理当前帧，任何后处理、未来帧依赖、人工优化规则，所有能力全靠模型端到端学习。

也正因为有了纯自回归的约束，相当于让蒙眼的人仅凭过往记忆走迷宫，既要求走得快、又要求记准路、还不能多耗脑力……

难，是真的难。

但蚂蚁灵波这次，还真就把这个硬骨头给啃下来了。

像人样选择记忆

LingBot-Map背后技术的灵感，来源于人。

就好比咱们在大城市里逛街，却能做到不迷路，不是因为我们的大脑像录像机样全程“录制”，关键在于大脑执行的是选择记忆这个操作。

说白了，就是只记住有、关键的帧。

LingBot-Map的核心，正是复刻了这种机制，名曰几何上下文注意力（Geometric Context Attention，GCA）。

具体而言，LingBot-Map通过GCA，对记忆进行了非常精妙的分层结构化管理。

先是锚点（Anchor），它的作用让机器人记住“我从哪来”。

任何3D重建都需要个对的坐标系和尺度基准，就好比人类进入陌生房间，会下意识记住门口位置当参照系，止迷路。

LingBot-Map的锚点模块，就是起到这样的个作用。

它会锁定初始几帧画面作为基准，固定全局坐标和尺度，如此来，就解决了纯自回归模型容易出现的尺度模糊、坐标漂移等问题，给整个重建过程定好原点。

其次是位姿参考窗口（Pose-reference Window），用来记住“我身边有什么”。

因为光有起点是不够的，要想走得稳，还得看清脚下的路。

于是团队便在LingBot-Map里设置了位姿参考窗口，PVC管道管件粘结胶它只保留近的k帧的完整维特征。

这部分记忆虽然是短期的，但信息其丰富密集，这样就可以确保模型能够地捕捉局部的几何细节，让当前帧能够丝滑地与前几帧拼接在起，让每步都踩得准。

后就是轨迹记忆（Trajectory Memory），起到记住“我走过的路”的作用。

这也是LingBot-Map中非常关键的个步骤。

对于那些既不是起点、也不在眼前，属于很久以前的中间历史画面，模型不再存储它们庞大具体的图像像素细节。

取而代之的是，它将这些历史帧的宏大信息，致压缩成了区区6个简的Token（包含相机、锚点和寄存器 Token），并上时间戳（位置编码）。

对比传统因果注意力，LingBot-Map的单帧信息增长量直接降低80倍，哪怕处理万帧长，显存消耗也几乎恒定。

三大模块协同发力，便是LingBot-Map破不可能三角的关键原因了。

那么这套法果又如何呢？

实测拿下新SOTA

从论文中呈现的实验结果来看，LingBot-Map已经在多项基准测试中，碾压其它流式模型，稳坐SOTA之位。

先是长序列稳定。

在10000+帧的长序列测试中，模型全程保持稳定重建质量，没有出现任何明显的轨迹漂移。要知道，同类纯自回归模型往往几百帧就开始扭曲，万帧稳定的表现，直接刷新了行业纪录。

其次是速度与精度双突破。

在518×378的主流分辨率下，理速度达到20FPS，比同类流式法基线快了近倍，满足机器人、自动驾驶的实时需求。

在Oxford Spires、ETH3D、Tanks & Temples等数据集测试中，轨迹误差降低约77，3D点云建模精度、全局致远所有流式竞品，甚至比部分离线优化模型表现优。

除此之外，模型运行显存仅需13.28GB，普通消费显卡即可流畅部署，告别对端业显卡的依赖。

对比同类案动辄30GB+的显存需求，LingBot-Map实现了“技术顶、落地亲民”，让流式3D重建具备了规模化商用的基础。

而且率测试的数据加直观。

对比全历史帧缓存案，LingBot-Map用64帧窗口设计，将理速度从3.12FPS提升至19.95FPS，显存从36.06GB压缩至13.28GB，速度提升6倍、显存降低63，同时精度反而，印证了GCA记忆机制的优越。

在看完LingBot-Map背后的技术和展现的果之后，还有个话题值得聊聊：

LingBot-Map的开源不是为了单点刷榜、秀肌肉。

补齐另块具身智能关键拼图

若是大长期关注蚂蚁灵波，就不难发现它在下盘大棋。

仅仅在今年1月，蚂蚁灵波便已经陆续开源了多款模型：

从感知世界的LingBot-Depth，到理解物理规律的LingBot-World，再到控制身体的LingBot-VLA和全球个具身世界模型LingBot-VA。

而今天LingBot-Map的开源，则补齐了“边走边记、理解并重建连续真实三维空间”的关键拼图。

这就意味着蚂蚁灵波正式构建了“感知-建模-模拟-控制”全链路具身智能技术栈，从看懂世界、建模世界，到理解世界、操控身体，形成了完整的技术闭环。

此举对全产业落地来说，亦是有着重要的价值。举三个例便目了然了：

机器人：仓库巡检、庭服务，机器人不再需要昂贵的激光雷达，单靠摄像头就能边走边建图，真正实现低成本、大规模部署。AR/VR：戴上眼镜，虚拟物体可以延迟、不漂移地叠加在真实桌面上，虚实融的体验将被拉满。自动驾驶/人机：城市大场景的实时建模成为可能，为纯视觉的自动驾驶案提供了强大的时空理解能力。

因此，综上所述，LingBot-Map的出现，可以说是机器理解真实物理世界迈出的关键步。

与此同时，蚂蚁灵波的持续开源，也让我们清晰地看到，具身智能的规模化落地，正在以前所未有的速度向我们驶来。

Hugging Face：

奥力斯    万能胶生产厂家    联系人：王经理    手机：13903175735（微信同号）    地址：河北省任丘市北辛庄乡南代河工业区

https://huggingface.co/robbyant/lingbot-map

ModelScope：

https://www.modelscope.cn/models/Robbyant/lingbot-map

GitHub：

https://github.com/Robbyant/lingbot-map

Paper：

https://arxiv.org/abs/2604.14141

Homepage：

https://technology.robbyant.com/lingbot-map

— 完 —

量子位 QbitAI · 头条号

关注我们，时间获知前沿科技动态

相关词条:管道保温施工     塑料挤出设备     预应力钢绞线    玻璃棉厂家    保温护角专用胶

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》贵港保温护角专用胶，以此来变相勒索商家索要赔偿的违法恶意行为。