LingBot-Map — Feed-Forward 3D 場景重建模型

• URL: https://www.threads.com/@sliven0722/post/Da4pnpqEcWz
• Date Saved: 2026-07-17
• Source: Threads
• Tags: ai-tools, ai-engineering
• Repo: https://github.com/Robbyant/lingbot-map (11.3k stars, Apache 2.0)

Summary

中國 Ant Group（螞蟻集團）旗下 Robbyant 團隊開源的即時 3D 場景重建模型。

核心能力

• 用普通相機拍的影片，邊走邊重建整個場景為 3D 點雲
• 約 20 FPS，單一 GPU 就能跑
• 不需要 LiDAR、深度相機、也不需事後優化
• 以前需要 SLAM 或離線 SfM 慢慢算的事，現在 feed-forward 直接吐出結果

技術架構

• Geometric Context Transformer
• 三個核心機制：anchor context（座標錨定）、pose-reference window（局部幾何）、trajectory memory（長距離漂移校正）
• 統一在 streaming 架構內
• 訓練上限約 320 幀，推論用 keyframe + windowed 模式可撐到 1 萬幀以上

限制

• 解析度僅 518×378
• 長序列需靠 window 模式
• 要上機器人即時導航仍需考慮延遲與精度衰減

應用場景

• 室內長走廊、戶外開車、空拍都能跑
• 基準測試上比很多需要迭代優化的方法還準
• 自駕、機器人導航、AR/VR 場景建模

生態

• GitHub 破萬星，Apache 2.0 開源
• 同團隊也有 LingBot-World 2.0（causal world model，720p@60fps 即時互動）