蚂蚁灵波团队近日宣布，其自主研发的流式三维重建模型LingBot-Map正式开源。该模型突破传统三维重建技术框架，仅需单颗普通RGB摄像头即可实现实时空间感知，为机器人导航、自动驾驶等领域提供高精度三维建图能力。这一成果填补了实时三维重建领域的技术空白，标志着空间智能技术向轻量化、普适化方向迈出关键一步。
传统三维重建技术普遍采用"先采集后处理"的离线模式，存在计算延迟高、硬件依赖强等局限。LingBot-Map创新性地采用纯自回归式建模架构，通过几何上下文Transformer网络逐帧处理视频流，在不依赖未来帧信息的前提下，同步完成相机位姿估计与场景深度重建。这种"所见即所建"的实时处理能力，使模型在动态场景中仍能保持稳定输出。
技术团队引入的几何上下文注意力机制（GCA）是核心突破点。该机制通过智能筛选跨帧几何信息，在保留关键历史数据的同时削减冗余计算，使模型在长序列推理中既能维持重建精度，又能将计算开销控制在合理范围。测试数据显示，在Oxford Spires数据集上，LingBot-Map的绝对轨迹误差（ATE）较前最优流式方法降低62%，达到6.42米的行业领先水平，甚至优于离线方法DA3（12.87米）和VIPE（10.52米）。
在ETH3D、7-Scenes等国际权威基准测试中，LingBot-Map展现全方位优势。其重建F1分数达85.70，较第二名提升超8个百分点，场景结构还原精度显著提升。更值得关注的是，模型在保持20FPS实时推理速度的同时，支持超过10,000帧的连续视频处理，且长序列运行精度几乎无衰减，这种稳定性在复杂光照、大尺度场景等挑战性环境中尤为突出。
此次开源是蚂蚁灵波构建具身智能技术体系的重要布局。自年初以来，该团队已陆续开放高精度空间感知模型LingBot-Depth、具身大模型LingBot-VLA等核心组件。LingBot-Map的加入，完整补齐了从空间感知到决策控制的实时技术链条，为机器人等智能体提供了"感知-理解-行动"的全栈能力支撑。
目前，LingBot-Map的完整代码与预训练模型已在Hugging Face和Model Scope平台开放下载。开发社区可自由调用模型进行二次开发，或结合具体场景优化重建参数。技术文档显示，模型支持多种硬件平台部署，从嵌入式设备到云端服务器均可灵活适配，这种开放性设计将加速三维重建技术在工业巡检、物流仓储等领域的落地应用。
