蚂蚁灵波科技开源 LingBot-Map：支持单摄像头实时流式三维重建

蚂蚁灵波开源流式三维重建模型 LingBot-Map，单目摄像头实现实时场景重建

4月16日，蚂蚁灵波科技正式宣布开源其流式三维重建模型 LingBot-Map。这次发布带来了一个关键突破：仅需一个普通的RGB摄像头，就能在视频拍摄过程中，一边采集画面，一边实时估算相机位置并重建出场景的三维结构。这意味着，对于机器人导航、自动驾驶以及AR设备这类极度依赖即时空间感知的应用来说，我们获得了一个更高效、更稳定且能持续工作的在线建图工具。

技术上是如何实现的？关键在于其“流式”处理架构。传统方法往往需要先采集完整个视频序列，然后再进行统一处理，而 LingBot-Map 彻底改变了这一流程。它采用边接收、边输出的模式，实现了定位与结构重建的实时交互。这种设计带来的性能提升是显而易见的。在业内公认极具挑战的 Oxford Spires 数据集上测试，它的轨迹误差只有之前最优流式方法的三分之一，这个表现甚至超越了一些离线处理算法。具体来看，LingBot-Map 能够支持大约20FPS的实时推理速度，并且在超过一万帧的长视频运行中，其精度几乎不会下降，真正做到了高精度、高速度与长时稳定性的三者兼顾。

话说回来，LingBot-Map 的发布并非孤立事件。它是蚂蚁灵波在发布了深度估计（Depth）、大语言动作模型（VLA）以及世界模型（World）等一系列成果后的又一重要布局。通过补上“实时空间理解”这块核心拼图，蚂蚁灵波进一步夯实了其具身智能“基座”的完整性。此次开源，不仅大幅降低了实现高精度三维感知的硬件门槛——毕竟一个普通摄像头就够了——更将有力推动具身智能设备在复杂、动态环境中的感知与决策能力向前进化。