2025-11-05 | 김흥록 기자

以机器人时代的“眼与脑”空间智能模型引领物理AI[技术揭秘]

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

应用于导航或智能手机路线指引服务的最基础技术是卫星定位系统(GPS)。其精度和使用范围存在局限。位置识别的误差范围可达50米。在隧道或室内等天空被遮挡的空间,本身就无法运作。为弥补这一点,目前具备空间相关功能的智能手机等设备大多将移动通信网或Wi-Fi信号用作GPS的补充手段。即通过测量与5G基站或Wi-Fi路由器的距离等方式提高位置识别精度。即便如此,仍会产生少则3米、多则20米的空间误差。

这种程度的误差对人来说或许没问题。但如果是机器人呢?当给长距离配送机器人提供与其实际所处位置存在3~20米误差的位置信息时,就很难期待它把物品准确送到建筑物内部。如果是在室内穿梭多个楼层、协助人们各类活动的机器人,其局限会更加明显。位置误差固然是问题,但更因为依靠GPS或现有的二维地图,机器人无法识别空间本身。可以说,现有技术并不适合作为机器人与人类共存的未来空间技术。

信息技术(IT)业界认为,人工智能(AI)向扩展至机器人的物理AI阶段演进,取决于AI超越语言、理解空间的能力,即“空间智能(Spatial Intelligence)”。因为空间智能是机器与现实世界相互作用的核心纽带。而目前被评价为在全球空间智能技术领域最为领先的企业之一,就是韩国代表性IT企业NAVER集团。在NAVER集团负责前瞻技术研究的NAVER LABS CORP,早在2016年就已在韩国国内和欧洲开展基于AI的空间智能研究。

━ 在COEX室内找路的技术,原来是NAVER集团准备的“机器人的视觉器官” 目前在NAVER集团的部分服务中,可以一窥未来机器人可使用的空间智能技术。其中之一便是在其地图服务中也可使用的首尔COEX“AR路线指引”服务。与以往AR导航主要在户外提供不同,这项技术面向GPS信号无法触及的COEX室内。COEX MALL总建筑面积相当于足球场的70倍,空间广阔,且汇集了众多店铺。用户只需用摄像头扫描周边,当前位置便会被自动识别,屏幕上会以AR形式显示箭头形状的移动路径。

这其中,NAVER集团的空间技术分三个阶段实现。第一项技术是“数字孪生”。数字孪生是将现实世界的空间原样搬到数字上的数字虚拟空间。使用专用设备拍摄后经过处理,空间便被数字化复制。这被称为“映射(mapping)”。经过映射的空间即数字孪生,其特点是以3D方式被识别。

接下来使用的是设备或机器人找出自身当前位置的“定位”技术。原理很简单。用摄像头拍摄所见位置后,识别图像中的线条、点、特定结构物、纹理等,与已建好的数字孪生进行比对,从而找出当前位置。即便没有GPS信号,在室内也能掌握到楼层的结构。位置误差范围仅为10厘米。

接下来是指引的领域。如果我的位置在数字空间中得到确认,就能掌握该去哪里、怎么去。这正是空间智能技术能够承担未来机器人路线指引的原因。NAVER LABS CORP视觉技术负责人李东焕表示:“只要是完成映射的空间,无论有无GPS,机器人都能以10厘米为单位掌握位置并认知空间”,“空间智能归根结底相当于机器人时代的眼和脑”。

因此,若以数字孪生方式准备的空间数据越多,利用空间智能的服务范围也就越广。尤其这类技术无需激光雷达等单独装置,仅用摄像头即可实现。数字孪生覆盖范围越广,在韩国国内实现物理AI的成本就越低。这正是空间智能能够充当提升韩国国内物理AI扩散速度与范围的基础设施的原因。NAVER集团已针对包括首尔市在内的整个首都圈分两次完成数字映射。这位负责人强调:“三维空间数据具有超越2D地图的重要性”,“可以视为一种数据主权的视角”。

━ 空间AI由韩国引领…NAVER集团发布“DUSt3R”后,谷歌推“MonSt3R”、Meta推“Fast3R”… NAVER集团通过自主研究积累并掌握了这一过程中使用的技术。从拍摄设备到AI基础模型开发、训练,均由NAVER集团自行开发,拥有所谓“全栈”技术。该负责人解释称:“这意味着必要时可以立即根据情况对设备、软件进行优化。”实际上,NAVER集团制作乐天世界三维地图所用的时间仅为10小时。COEX地图的全部作业在7天内完成。在位置识别的精度与速度等完成度方面,自2019年以来已在国际学术会议上4次以上夺得第一。这正是NAVER集团的空间智能技术被评价为处于全球领先地位的原因。

尤其NAVER集团的空间智能AI模型“DUSt3R”,若以生成式AI来比较,已建立起相当于“GPT”水平的地位。NAVER集团的“DUSt3R”是一项用几张图像构建3D空间的AI技术。NAVER集团去年在学界发表了“DUSt3R”,此后引发反响,目前“MonSt3R(谷歌)”“Fast3R(Meta)”“Light3R(英伟达)”等全球企业正对标DUSt3R开展后续研究。从命名上就延续了取自DUSt3R词尾的“-3R”系列,足见其已在空间智能领域自成一个门类。NAVER集团方面表示:“通常空间智能领域的论文被引用最多也在100次左右,而DUSt3R论文截至上月末被引用了730次。”

这样的技术实力成为英伟达与NAVER集团共同在韩国国内构建物理AI平台的决定性基础。英伟达在决定向韩国主要企业供应AI芯片的同时,还将与NAVER Cloud Corp.共同开发可用于造船、生物等韩国主要产业现场的物理AI平台。此时NAVER集团方面提供的主要技术便是数字孪生。

NAVER LABS CORP认为,当机器人日常化后,机器人为与人类共存而具备适当礼节的基础也源自空间智能。比如,如果机器人踩过躺着的主人的腹部,或从两个正在交谈的人之间穿过,就会成为不愉快的体验。该负责人强调:“让机器人具备适当礼节的工作,始于准确识别空间、物体和人”,“这是空间智能技术的主要要素”。

NAVER LABS CORP认为,除机器人之外,人们日常使用空间智能技术的时点也已临近。那就是智能眼镜。业界普遍预期,谷歌、苹果、三星集团等推出的AR设备将逐渐演进为在户外也能使用的智能眼镜形态。若智能眼镜普及后,用户询问视野中所见公寓的价格信息,或询问店铺的销售信息时,空间智能将成为识别并提供指引的技术基础。该负责人表示:“识别眼前的空间与位置,并整合数据库加以告知的形态,就是我们所看到的未来”,“空间智能既是面向机器人的技术,也将成为面向人的未来必备技术”。

阅读韩文原文