具身智能训练利器！谷歌斯坦福论文感谢了一家杭州六小龙

（文/张睿佳 编辑/张广凯）

2025年3月6日，在谷歌DeepMind与斯坦福联合发表的一篇论文中，让AI学会像人类一样布置房间：沙发不悬空、台灯必放桌面、书架与墙保持合理间距。而在论文的背后，团队专门感谢了群核科技SpatialVerse团队提供的物理级真实3D场景数据。

群核科技正是前段时间出圈的“杭州六小龙”之一，其业务聚焦空间智能探索，而论文中提到的SpatialVerse是群核面向具身智能等行业开放的虚拟数字道场。

上述论文主要构建了一个名为FirePlace的框架，旨在让多模态大语言模型更好地理解3D空间中的几何关系。通过这个框架，大语言模型能够更好地将对象放置在具有复杂几何形状的复杂场景中。

论文指出，现有的3D图形基础模型往往使用边界框表示每个对象，因此无法表达对象各部分之间的细粒度约束，导致约束只能解释盒状对象的位置（而不是将书籍放在书架上，或将毛绒玩具放在带有靠背和扶手的椅子上）。

FirePlace不仅希望克服上面的问题，还希望让AI能够选择最符合美学、功能和常识性的对象放置方式。

显然，想要实现这个目的，首先要有足够的真实3D场景数据供AI学习。但是3D空间数据的成本比语言数据要高得多，数据来源成为困扰空间理解大模型和具身智能发展的最大难题之一。

而群核科技拥有着国内用户量最大的室内装修设计工具酷家乐，无疑在数据层面拥有天然优势。

酷家乐能够拥有如今的市场份额，背后是对计算机渲染能力的深耕。通过对GPU并行算力的充分开发，酷家乐渲染出图的成本大幅降低，速度大幅提升，因此受到设计师的广泛欢迎。

面向大模型的爆发，群核科技也顺势推出了“群核空间智能平台 SpatialVerse”，通过精准模拟真实世界的多样化场景，汇集了海量的3D模型与场景数据资源，为 AIGC、具身智能、AR/VR 等前沿科技领域提供了强大且高效的空间数据支撑与定制化服务。

SpatialVerse可以基于3D场景的数据生成更多的物理真实场景，并在这些虚拟的场景中，训练机器人避障、抓取、紧急制动，可以有效地提升训练成本和效率。

除了SpatialVerse，在GTC 2025大会上，群核科技开源了他们的最新模型SpatialLM。

目前，SpatialLM已在HuggingFace、GitHub、魔搭社区等平台面向全球开发者开源。

SpatialLM是一个空间理解模型，仅凭一部手机拍摄的视频，即可生成带物理规则的的3D场景布局。

例如，在整理房间这个命题中：利用传统的2D视频数据标注，机器人无法自动匹配物体的名字与具体的位置、大小、移动方向。如果使用专业的的激光雷达扫描形成3D点云，又会带来高昂的成本和较长的制作周期。SpatialLM的出现，有效地克服了这两个问题。

当SpatialLM帮助机器人跨过“空间理解”后，SpatialVerse这个“数字道场”，让机器人实现在海量仿真环境中完成技能学习。将SpatialLM和SpatialVerse组合起来使用，能够推动具身智能训练完成从认知到行动的链路闭环。

同时，群核的这套方案将空间智能训练彻底平民化，只要有手机和电脑，任何开发者都能接入这套系统，为机器人创建物理正确的训练环境，有利于推动具身智能实现降本增效。

本文系观察者网独家稿件，未经授权，不得转载。