杭州六小龙最新开源「空间理解模型」，保姆级教程来了！

文章预览

 Datawhale干货  作者：王泽宇，Datawhale成员 SpatialLM 介绍 前几天，“ 杭州六小龙”之一「群核科技」 在GTC 2025大会开源了 空间理解模型： SpatialLM。 SpatialLM 是一款专门为三维空间理解设计的大语言模型，通过三维点云数据，生成结构化的三维场景理解输出，包括墙壁、门、窗等建筑元素，以及带有语义类别的定向物体边界框。与传统需要专用设备进行数据采集的方法不同，SpatialLM能够处理来自多种来源的点云数据，如：单目视频序列、RGBD图像和LiDAR传感器等。 听起来很复杂，但简单地说， SpatialLM的本质就像是一台「空间翻译机」，通过视频理解物理世界的几何关系，再将其转化为机器能读懂的指令。  其工作原理如下：给定一个 RGB 视频，首先使用 MASt3R-SLAM 进行三维点云重建，然后利用 SpatialLM 将这些密集点云转化为结构化表示。点云编码器将 ………………………………