解决机器人“叠被子困境”，杭州六小龙群核科技开源空间理解模型
澎湃新闻记者 李晶昀 AI 创意
“杭州六小龙”企业之一群核科技3月19日宣布，公司自主研发的空间理解模型SpatialLM正式开源。该模型能够基于从视频中提取的点云数据，准确认知和理解其中的结构化场景信息，并将它以脚本语言的形式呈现出来。
“就像我们环顾四周环境便可以理解背后的空间结构一样。”群核科技如此比喻。具体运行中，可以简单理解，给SpatialLM“刷”一段视频，它便能生成物理正确的3D场景布局。
据介绍，该模型特点之一是更通用的数据输入模式。SpatialLM无须借助智能穿戴设备作为传感器输入数据，手机、相机所拍摄的视频均可以成为数据来源，大大降低了开发者的数据采集门槛。
其次是物理正确的场景创建能力。空间场景是否符合物理正确原则，是影响机器人空间理解效果的关键。
SpatialLM 基于视频重建的3D结构化场景
群核科技称，这得益于公司在过去十余年中积累了海量的3D数据和空间认知数据。该公司由黄晓煌、陈航、朱皓于2011年联合创办，主要以空间设计软件市场为目标。旗下产品包含空间设计软件酷家乐、海外版产品Coohom，以及为AIGC、具身人工智能、AR/VR、机器人等提供虚拟环境训练的群核空间智能平台SpatialVerse。
根据弗若斯特沙利文的资料，按2023年的平均月活跃用户（MAU）数目计量，群核科技是全球最大的空间设计平台；按2023年的收入计量，公司亦是中国最大的空间设计软件提供商，约占22.2%的市场份额。2024年，群核科技的平均月活跃访客数为8630万名。
群核科技方面表示，SpatialLM突破了大语言模型对物理世界几何与空间关系的理解局限，让机器具备空间认知与推理能力，为具身智能等相关领域提供空间理解基础训练框架。
值得一提的是，群核科技去年已发布群核空间智能解决方案（下称“SpatialVerse”），SpatialVerse主要通过合成数据方案为机器人搭建起接近物理真实的“数字道场”，帮助它们在仿真环境下完成例如叠被子、递送水杯、开关冰箱门等行动的交互训练。
群核科技称，有了SpatialLM模型和SpatialVerse，机器人将获得从认知理解到行动交互的完整闭环训练，也就是既能“看懂”世界，又能学会行动决策，进而在真实世界里顺利“上岗”。
实际上，去年12月，群核科技联合创始人兼董事长黄晓煌在一次公开演讲中即提到，当我们谈到具身智能或者机器人的时候，“叠被子困境”是一个非常典型的场景。
“目前的 ChatGPT 大语言模型，可以很容易地让机器人理解人类的指令，‘给我叠一个被子’，它也可以通过视觉判断哪床被子是叠好的、哪床被子没叠好，但它很难执行。或者当它学会叠一床被子后，换个形状可能就又不会了。”黄晓煌指出，“机器人的大脑在数字世界里，但身体却在物理世界中。”
而如何让机器人正确理解物理世界，黄晓煌认为关键是要有海量可交互的三维数据。
群核科技最新也提及，开源仅仅是一个起点。“具身智能正处在爆发式发展的新阶段，我们希望以空间模型和数据开源为契机，让更多具身智能从业者有机会参与二次创新，共同推动产业技术底座持续进化。”
此外值得关注的是，今年的2月14日，群核科技已正式向港交所递交上市申请，也是“杭州六小龙”中首家启动IPO进程的公司。
成立至今，该公司已获得包括IDG资本、纪源资本、顺为资本、云启资本、经纬创投、线性资本、Hearst、Pavillion、高瓴创投、Coatue等多家机构投资。IPO前，IDG资本、纪源资本、高瓴创投均持有群核科技超10%的股份。
