杭州的群核科技最近又在科技界掀起了一阵波澜，其开源的空间理解模型 SpatialLM 在谷歌的一篇论文中被特别提及并致谢。这一模型的出现，为机器人训练领域带来了前所未有的变革，它能够让机器人仅通过普通视频就理解物理世界的几何关系，堪称机器人训练领域的一次重大突破。
SpatialLM 的核心功能是将手机拍摄的视频转化为三维空间布局信息。用户只需用手机录制家中的布局，SpatialLM 就能够生成一个详细的 3D 场景，涵盖房间的结构、家具的摆放位置以及通道的宽度等信息。这一过程极大地降低了机器人训练的成本，同时也显著提高了训练的效率。
在 GTC2025 大会上，群核科技还展示了他们的虚拟训练平台 SpatialVerse。该平台结合了 SpatialLM 生成的数据，允许机器人在模拟环境中进行避障、抓取等训练，从而形成从认知到行动的完整闭环。换言之，机器人通过这个系统不仅能 “看到” 空间布局，还能理解如何在这些环境中进行操作。
SpatialLM 的工作原理并不复杂。它利用 MASt3R-SLAM 技术将视频拆解为无数帧，提取出沙发、桌子等物体的细节并构建成点云模型。随后，模型将这些数据转化为结构化的 3D 布局，记录下每个物体的关键信息，如尺寸和位置。与传统的训练方法相比，SpatialLM 不仅节省了时间和资源，还提升了机器人的空间认知能力。
这项技术的独特之处在于，它使机器人可以像人类一样理解和处理复杂的环境变化。无论是家庭生活中的日常物品，还是工作场所的各种工具，SpatialLM 都能帮助机器人快速适应并执行任务。这种能力对于提升机器人在真实环境中的表现至关重要，尤其是在当前的具身智能领域，许多技术依然面临落地难题。
通过开源 SpatialLM 和 SpatialVerse，群核科技正在重塑机器人训练的未来，使其能够在真实世界中灵活应对各种挑战。这一举措不仅为机器人技术的发展提供了新的思路，也为相关领域的研究和应用开辟了更广阔的空间。
项目地址：https://top.aibase.com/tool/spatiallm
