让机械人从“看见”到“行动”，广东空间智能模型加快产业化

“把桌上的杯子拿起来。”对人而言，这是一条无需过多思虑的指令。但对机械人来说，鉴别出杯子只是起头：杯子位于什么地位、距离机械人多远、机械臂应该抓住杯柄的哪个点位，都必要被转化为可执行的三维坐标。 这正是机械人从数字世界走向物理世界时面对的一个断层。现有的视觉说话模型（VLM）回覆“面前有什么”，却不定能通知机械人“应该在哪里行动”。 这正是空间智能模型SpatialPoint试图解决的问题。SpatialPoint由视启未来（丽江）科技有限公司（以下简称“视启未来”）结合清华大学、粤港澳大湾区数字经济钻研院（以下简称“IDEA钻研院”）共同研发，通过融合RGB图像、深度信息、天然说话三类数据协同推理，将AI的能力从“理解世界”推动到了“确定行动地位”。 这也是空间智能真正迈向具身智能的关键一步。在具身智能加快走向产业化确当下，SpatialPoint的价值，不只是让机械人的视觉鉴别更精准，更沉要的是让视觉说话模型与机械人执行系统实现直接买通，使模型输出了局成为机械人可理解执行的操作指令，让机械人走向产线、创造价值。 VLM已经可能鉴别物体、理解指令，但仍存在“看得见物体，却无法判断其三维空间真实地位”“能鉴别出物体，却无法确定具体行动点位”等问题。更沉要的是，各类工作存在“模型孤岛”，机械人身处陆续统一的三维物理世界，但其AI系统却将齐全的空间交互工作拆分成多个互不连通的独立？。 IDEA钻研院讲席科学家、微软钻研院前高级钻研主管、视启未来首创人张磊向南方财经记者暗示，团队将机械人所需的空间信息统一抽象为两类主题点位：第一类是实点（Touchable Point），附着于物体表表，对应抓取杯柄、按压按钮、动弹门把手等必要直接接触的地位；第二类是虚点（Air Point），位于周边自由空间，对应物体搁置、机械人导航以及安全避让等地位。 “SpatialPoint的主题突破，是让机械人依附视觉感知与天然说话指令，动态理解作业空间、自主判断行动方式，以适配复杂多变的场景需要。」嘏磊介绍，SpatialPoint有四项主题创新：一是在传统VLM的RGB图像视觉输入的基础上，增设专属的深度编码网络；二是将RGB、深杜纂说话纳入统一序列，协同实现空间判断；三是直接输出可供机械人挪用的三维坐标；四是把抓取、搁置、导航统一为实点与虚点两类工作，形成通用空间行动接口。 以“把餐桌上的水杯拿起来，放到客厅茶几中央，再走到玄关鞋柜旁边待命”为例，这条指令蕴含抓取、搁置和导航三项工作。传统机械人规划必要依附多个独立？樾迪终琢鞒。视觉模型先从RGB图像中鉴别水杯，抓取？樵偃范ú僮鞯匚，系统结合深度传感器和坐标转换天活力械臂可执行的三维坐标；实现抓取后，还要挪用搁置？槎ㄎ徊杓钢行，最后由导航和避障系统规划机械人前往玄关。 SpatialPoint则将RGB图像、深度信息和说话指令纳入统一套空间推理过程：通过RGB图像实现场景鉴别；再依附深度信息构建真实三维空间关系，精准判断物体距离、指标点位与可通畅空间；最后，结合说话指令解析对应的空间操作逻辑，匹配抓取点、搁置点和导航点。整套流程最终可直接输出相机坐标系下的结构化三维坐标，将从说话指令、场景理解、空间推理、三维定位到机械人执行的全链路，统一整合至单一模型接口中。 从实测数据看，SpatialPoint最主题的优势是定位精度大幅提升。在必要机械人实体接触的实点工作中，有效操作地位正确率达79%，三维距离预测均匀误差仅17.2毫米，有效操作区域内误差可降至9.3毫米。较传统纯RGB规划，精度提升超30倍。在搁置、导航这类自由空间定位的虚点工作中，模型训练3轮后，正确方向鉴别概率达50.71%，5厘米领域内定位成功率为33.47%，方向、距离双达标结合成功率16.41%，距离预测均匀误差降至6.8厘米。 “SpatialPoint不只是一款全新的VLM，更是对机械人信息处置范式的创新索求。」嘏磊暗示，长远来看，SpatialPoint不仅适配当下的具身智能工作，也在索求为世界模型和物理智能提供统一的空间交互接口，让AI进一步理解物理世界中的地位、距离和空间关系，推动机械人从认知世界走向与世界交互。 当前工业机械人产业已形成较成熟的设备系统，但不少机械人仍依赖固定地位、固定物料和固定作为。在尺度化量产中，这种方式效能较高。但是，面对SKU更替、物料位移和工作调整，企业却时时必要沉新编程和调试，设备柔性不及。 SpatialPoint提供了一种解法：让机械人凭据视觉感知和天然说话指令动态理解作业空间，自主判断下一步应该在哪里行动。对造作企业而言，其价值不只是看得更准，还在于削减出产变动带来的沉新配置成本，推动机械人从执行预案走向理解现场。 “无论合作方使用机械臂、移动机械人还是人形机械人，只有搭载RGB-D等空间感知传感器，团队的上层空间智能？榫湍芄惶峁┏【凹稹⒅噶罾斫夂涂占湫卸ㄎ荒芰，形成‘算法大脑+机械人硬件本体’的协同模式。」嘏磊暗示。 造作企业是最主题的落地载体。在工业造作中，SpatialPoint能够适配柔性抓取、精准搁置、移动避障和人机合作等工作：机械人凭据工件的现实状态寻找抓取地位，理解各类指令，并判断可用区域和指标点；在物流运输和人机合作中，系统还必要持续感知人、设备和物料的空间地位变动。 但是，从尝试室到真实场景仍有距离。张磊暗示，要进入真实产业，首先必要强化落地实时性与靠得住性，具备异学问别、噪声适配、风险预判和安全运行能力；其次，必要实现多设备通用适配，需优化技术架构，输出与机械人本体解耦的通用空间表白能力，打造一套模型，适配全品类机械人设备。 这些能力的验证，离不开真实的产业场景。粤港澳大湾区集聚电子信息、家电、汽车、工业机械人、智能设备和消费级硬件等产业，工厂、仓库、物流和零售服务场景密集，堆集了丰硕的机械人、造作业等领域的真实物理世界利用场景。这些场景既是潜在市场，也是模型训练和迭代所需的真实物理环境。 张磊暗示，这些多元化、高复杂度的实景场景，可能持续验证蕴含SpatialPoint在内的系列视觉原生模型的泛化能力，助力搭建“模型—机械人—真实环境—数据反馈”的齐全技术关环，持续优化物理AI的感知与决策能力。 在技术能力持续迭代的同时，团队也在索求相应的产业化蹊径，例如，通过模型、API和SDK输出基础能力；针对工业造作、仓储物流和零售服务等领域提供行业解决规划；进一步构建衔接基础模型、机械人平台和行业利用的平台化能力。 “SpatialPoint是视启未来切入物理人为智能的技术节点。未来，SpatialPoint还将从空间理解和行动定位延长至动态状态感知、未来预测和世界建模，全力推动超等物理智能的产业化过程。」嘏磊说。