视频新突破：AI通过无限帧画面实时完成3D世界重建
机器视觉领域迎来重大突破，一项名为LingBot-Map的新模型成功实现了业界瞩目的“无尽流”能力。该模型能够实时处理无限长的视频序列，并稳定地进行三维场景重建，为实时空间感知与交互开启了新的可能。
直观感受一下它的重建效果：
这项技术突破意味着什么？
简单来说，如果将其集成到扫地机器人上，机器就能在清洁过程中实时构建并理解家庭环境的完整三维结构；如果应用于自动驾驶汽车，车辆便能一边行驶，一边精准计算和建模周围的路况与环境，实现更安全的导航。
这种“边看边建”的实时感知模式，让人联想到《火影忍者》中宁次的“白眼”能力——具备360度无死角的透视视野和超远距离的洞察力。LingBot-Map所实现的，正是这种对空间全方位、连续且不失细节的感知能力。
这便是蚂蚁灵波最新开源的基础模型——LingBot-Map。它专为纯自回归的流式3D重建而设计，与此前技术路线不同的是，它成功地在“实时性”、“长序列记忆稳定性”和“低显存消耗”这三个通常难以兼顾的维度上取得了关键平衡。
流式3D重建的核心挑战
要理解这项突破的价值，首先需要区分两种不同的3D重建模式：传统的离线重建与流式在线重建。
传统离线3D重建，可以比作“事后诸葛亮”。它要求先采集完所有视频帧，存储全部数据，然后再调用集中算力进行全局建模。这种方式虽然能生成高质量模型，但存在速度慢、显存消耗大、无法实时交互的明显短板，通常只适用于影视特效、数字孪生等静态场景，难以满足机器人、自动驾驶等需要实时决策的应用需求。
而流式3D重建则完全不同。它要求模型能够“来一帧，处理一帧”，边感知边建模，边行动边决策，这与人类在陌生环境中边走边认路的视觉逻辑高度一致，是具身智能和实时视觉定位领域的核心刚需。
然而，实现真正可用的流式重建，业内公认存在三大技术挑战：
第一，记忆负担过重。如果模型试图存储所有历史帧的完整信息，几千帧之后显存就会爆满，消费级显卡根本无法承受，工业设备也难以长时间运行。
第二，记忆能力不足。如果只缓存最近的少数几帧，模型又会出现“灾难性遗忘”，导致在长时间运行后轨迹严重漂移，重建出的场景扭曲变形，就像人走着走着完全忘了自己从哪来、身在何处。
第三，精度与速度难以兼得。许多方案要么为了精度牺牲速度，导致推理卡顿；要么为了速度牺牲精度，结果画面模糊不清，始终找不到理想的平衡点。
更关键的是，此前大多数流式方案并非纯粹的端到端推理。它们往往依赖测试时的额外优化、利用未来帧信息进行全局校准，或者加入人工设计的关键帧选取规则。
LingBot-Map选择了一条更艰难但更纯粹的道路：纯自回归。这意味着模型严格遵循因果律，仅依赖当前时刻及之前的历史信息进行推理，不依赖任何未来帧，也不进行任何后处理或人工规则优化，所有能力均由模型端到端学习而来。这就好比让一个人蒙上眼睛，仅凭对走过路径的记忆在迷宫中前行，同时要求他走得快、记得准、还不能耗费太多脑力——其难度可想而知。
仿生记忆机制：像人一样选择性记忆
LingBot-Map解决上述难题的灵感，恰恰来源于人类自身。
想象一下，你在一座大型城市中穿梭却不会迷路，并非因为大脑像录像机一样记录了每一秒的视觉信息，而是因为它执行了高效的“选择性记忆”：只记住关键的路径节点和显著地标。
LingBot-Map的核心技术创新，正是模拟了这种机制，并将其形式化为一种名为几何上下文注意力的架构。该架构对记忆进行了精妙的分层管理：
首先是锚点。它的作用是回答“我从哪来”的问题。任何3D重建都需要一个绝对的坐标系和尺度基准。就像人进入陌生房间会下意识记住门的位置作为参照，锚点模块会锁定初始几帧作为全局基准，固定坐标和尺度，从而有效解决纯自回归模型中常见的尺度模糊和坐标漂移问题。
其次是位姿参考窗口。它负责回答“我身边有什么”。光有起点不够，要稳步前行，必须看清脚下的路。这个窗口只保留最近k帧的完整、高维视觉特征。这部分记忆是短期的，但信息密度极高，确保了模型能精准捕捉局部几何细节，让当前帧能与前序帧无缝拼接，实现每一步的精准定位。
最后是轨迹记忆。它解决的是“我走过的路”的问题。对于那些既非起点也不在眼前的、久远的历史帧，模型不再存储其庞大的原始像素数据，而是将其压缩成极简的6个Token（包含相机、锚点和寄存器信息），并打上时间戳。相比传统的因果注意力机制，这种设计将单帧的信息增长量降低了80倍。即使处理上万帧的超长视频，显存消耗也能保持基本恒定。
正是这三大模块的协同工作，让LingBot-Map得以打破“不可能三角”。那么，实际效果究竟如何？
性能实测：全面领先行业基准
根据论文公布的实验结果，LingBot-Map在多项权威基准测试中均取得了领先表现。
在长序列稳定性方面，模型在超过10000帧的超长视频测试中，全程保持了稳定的重建质量，未出现明显的轨迹漂移。相比之下，同类纯自回归模型往往在几百帧后就开始出现扭曲，万帧级别的稳定表现刷新了行业纪录。
在速度与精度方面，在518×378的主流分辨率下，其推理速度达到20 FPS，比同类流式基线方法快了近一倍，完全满足实时性要求。在Oxford Spires、ETH3D、Tanks & Temples等数据集上，其轨迹误差降低了约77%，3D点云建模的精度和全局一致性均超越所有流式竞品，甚至优于部分离线优化模型。
在资源消耗方面，模型运行仅需约13.28GB显存，使得消费级显卡也能流畅部署，降低了对高端专业硬件的依赖。对比动辄需要30GB以上显存的同类方案，LingBot-Map实现了“技术顶尖”与“落地亲民”的结合，为规模化商用铺平了道路。
效率对比数据更为直观：与全历史帧缓存方案相比，采用64帧窗口设计的LingBot-Map，将推理速度从3.12 FPS提升至19.95 FPS，显存需求从36.06 GB压缩至13.28 GB，实现了速度提升6倍、显存降低63%，同时精度还有所提高，充分验证了其记忆机制的优越性。
战略拼图：构建完整的具身智能技术栈
纵观蚂蚁灵波近期的动作，LingBot-Map的开源并非孤立的技术展示，而是其整体战略布局中的关键一环。
回顾今年1月，该团队已陆续开源了多个模型：用于感知世界的深度估计模型LingBot-Depth，用于理解物理规律的世界模型LingBot-World，以及用于控制身体的视觉语言动作模型LingBot-VLA和全球首个具身世界模型LingBot-VA。
此次LingBot-Map的发布，正好补上了“在连续运动中理解并重建真实三维空间”这块核心拼图。至此，蚂蚁灵波初步构建起一个覆盖“感知-建模-模拟-控制”全链路的具身智能技术栈，形成了从看懂世界、建模世界，到理解世界、操控身体的完整技术闭环。
这一闭环对产业落地具有显著价值。例如：
- 机器人领域：仓库巡检、家庭服务机器人可以不再依赖昂贵的激光雷达，仅凭摄像头就能实现实时建图与定位，大幅降低部署成本。
- AR/VR领域：虚拟物体能够以近乎零延迟、无漂移的方式叠加在真实场景中，极大提升虚实融合的沉浸体验。
- 自动驾驶/无人机领域：使得对城市级大场景进行实时三维建模成为可能，为纯视觉自动驾驶方案提供了更强大的时空环境理解能力。
可以说，LingBot-Map的出现，标志着机器对物理世界的理解又向前迈出了坚实的一步。而通过持续的开源，蚂蚁灵波也清晰地展示了具身智能技术正以前所未有的速度，走向规模化落地。
项目已在多个平台开源：
Hugging Face:
https://huggingface.co/robbyant/lingbot-map
ModelScope:
https://www.modelscope.cn/models/Robbyant/lingbot-map
GitHub:
https://github.com/Robbyant/lingbot-map
论文地址:
https://arxiv.org/abs/2604.14141
项目主页:
https://technology.robbyant.com/lingbot-map
相关攻略
过去两年，从Sora到Veo，再到Cosmos，视频生成模型在“视觉逼真度”这条赛道上飞速发展，生成的画面已足以以假乱真。然而，一个根本性问题始终存在：这些模型真的“理解”了我们所处的物理世界吗？答案很可能是否定的。 事实上，一旦要求这些模型生成涉及机器人操作的视频，诸如“机械臂穿模、物体凭空消失、
当前，具身智能领域正面临一个关键瓶颈：过度依赖真机遥操作数据来训练机器人模型，这条技术路径的局限性日益凸显。 成本高昂是首要难题——采集一小时的遥操作数据往往需要数百元投入，并且必须搭建专业的动作捕捉环境。采集效率则是另一大硬伤：操作员通过屏幕遥控机械臂，其数据采集速度远跟不上真实生产线的作业节拍。
具身智能领域，最近被一群年轻人“刷新”了认知。 当行业还在仿真与现实迁移的课题中探索时，一支由00后主导的团队——灵初智能，选择了一条更直接的路径：用近十万小时的人类真实操作数据，为机器人“喂食”。这个数据量级，即便放在全球视野下，也堪称领先。 目前，业界常用的人类操作数据集多在几千至几万小时，即便
人形机器人赛道迎来一位实力强劲的新成员。4月13日，智元机器人正式推出其全新一代全尺寸人形机器人——远征A3。与以往侧重工业或服务领域的机器人不同，这款产品精准定位于一个充满想象力的场景，并打出了“为舞台而生”的鲜明标签。 那么，这台旨在征服舞台、点亮表演的机器人，究竟在哪些方面实现了突破？它又如何
杭州云深处科技科创板IPO申请获受理，拟募资25 03亿元。公司专注四足机器人B端工业应用，在电力巡检等领域市场份额领先，2025年实现首次盈利。与同行宇树科技侧重消费市场不同，云深处坚持深耕行业场景，其未来发展聚焦算法研发与产业化拓展。
热门专题
热门推荐
人工智能的浪潮正席卷每个角落，智能办公工具无疑是其中备受瞩目的弄潮儿。以自然语言处理和机器学习为内核的AI文档助手，承诺用高效与精准重塑我们的文字工作。但一个值得玩味的问题随之浮现：它究竟是一场碘伏传统的革命性创新，还是更像一位得力的职业伙伴？ AI文档助手的革命性创新 不得不说，AI文档助手的出现
2026年5月13日至14日，备受瞩目的Create 2026百度AI开发者大会将在北京隆重举行。本届大会以“万物一体”为核心主题，并实现了一项重要升级：首次将“Create百度AI开发者大会”与“云智大会”全面合并。此次整合旨在为参会者提供一站式、全景式的洞察体验，无论是关注AI基础设施的企业决策
雷蛇与《鸣潮》联名的达妮娅主题外设系列将于2026年5月20日推出，涵盖无线鼠标、机械键盘、电竞椅和超大鼠标垫四款产品。系列兼顾轻量化设计、高性能硬件与角色主题元素，致力于为玩家打造兼具操作性能与沉浸氛围的全方位游戏体验。
《极限竞速：地平线6》登陆Xbox与PC平台，首次将舞台设定于日本。本作画质显著提升，以丰富细节呈现东京霓虹、樱花林与山间晨雾。玩法上重构开局身份，玩家需从普通访客逐步成长为传奇车手，并引入庄园系统与探索乐趣。游戏对硬件性能要求较高，但借助DLSS4等技术可实现画质与流畅度的平衡。
人工智能正改变传统表格制作方式，通过自然语言指令自动生成表格与图表，显著提升工作效率。人机协作虽带来便利，确保数据准确性仍是关键。未来更智能的预测功能值得期待，但使用者仍需掌握数据分析基本功，以充分释放数据价值。