开源地址：https://huggingface.co/manycore-research/SpatialLM-Llama-1B
你是否想象过，只需用手机拍一段视频，AI就能像人类一样理解房间的布局、家具的位置，甚至预测柜门打开的方向？这正是群核科技开源的SpatialLM所实现的能力——它让机器第一次拥有了“空间直觉”，能够从普通视频中解析物理世界的三维逻辑，成为机器人、自动驾驶等领域的“空间翻译官”。
一、SpatialLM是什么？
SpatialLM是一款基于大语言模型的空间理解框架，它能将手机拍摄的普通视频转化为机器可读的3D场景数据。简单来说，它就像一台“空间翻译机”：输入视频，输出包含物体尺寸、位置、空间关系的结构化代码，让机器瞬间“看透”三维世界。
核心突破：
- 无需专业设备：传统方法依赖激光雷达等高成本硬件，而SpatialLM仅需手机摄像头即可完成场景建模，成本降低90% 。
- 物理常识内嵌：模型不仅能识别物体，还能理解“床头柜不能挡住柜门”“餐桌高度约80厘米”等人类直觉性规则。
- 开源生态支持：已在HuggingFace、GitHub等平台开源，开发者可快速接入并定制场景 。
二、技术揭秘：从视频到“机器语言”
SpatialLM的工作流程如同AI版乐高搭建：
- 点云重建：通过算法（如MASt3R-SLAM）将视频拆解成数百万个“空间点”，标记物体的边缘、纹理等细节，形成3D点云 。
- 语义编码：用大语言模型分析点云，生成包含物体类别、坐标、尺寸的“场景代码”（例如“沙发距离墙面1.2米”）。
- 虚拟映射：结合群核科技的SpatialVerse平台，将结构化数据转化为可交互的虚拟场景，供机器人训练。
技术亮点：
- 支持单摄像头视频、RGBD图像、LiDAR扫描等多种输入方式，适用性远超同类模型。
- 未来将支持自然语言交互，用户用一句话即可修改虚拟场景设定（如“把沙发移到窗边”）。
三、应用场景：机器人“上学”新时代
SpatialLM正在重塑以下领域：
- 家庭服务机器人：
- 训练机器人开关冰箱、摆放餐具，通过虚拟“数字道场”模拟真实厨房环境，避免现实训练的高成本与风险。
- 工业与仓储：
- 让AGV小车快速适应仓库布局变化，即使货架位置微调，也能实时更新路径规划。
- 自动驾驶与AR/VR：
- 生成高精度3D道路模型，帮助车辆预判障碍物；或为AR游戏构建动态虚拟空间 。
四、开源意义：打破技术垄断，推动AI民主化
SpatialLM的开源不仅是技术共享，更是一场空间智能的普惠革命：
- 中小企业福音：无需自研底层模型，开发者可基于开源代码快速微调，适配医疗、教育等垂直场景。
- 行业标准雏形：谷歌、斯坦福等机构已采用其生成的数据训练AI，加速空间认知技术的标准化。
- 生态闭环构建：与群核科技的SpatialVerse平台联动，形成“现实→虚拟→现实”的训练闭环，推动具身智能落地.
五、未来展望：当机器学会“空间思考”
SpatialLM的迭代方向预示了AI与物理世界更深的融合：
- 动态环境适应：未来机器人将能实时感知环境变化（如移动的家具），无需重新训练即可调整行为。
- 人机自然交互：通过语言指令指挥机器人“整理凌乱的办公桌”，AI将像人类助理一样理解空间意图。
- 元宇宙基建：为虚拟世界提供物理真实的3D场景生成能力，加速数字孪生应用。
SpatialLM的出现，标志着AI从“数据处理工具”进化为“空间思考者”。它不仅是代码，更是机器理解人类世界的桥梁。正如群核科技所说：“我们不是在教机器看，而是教它们看懂。”
立即体验开源项目：
- 模型地址：https://huggingface.co/manycore-research/SpatialLM-Llama-1B
- 开发者文档：支持HuggingFace、GitHub、魔搭社区等多平台接入