2026-05-06 | 이진석 기자

仅凭照片识别空间…NAVER集团“DUSt3R”改变机器人之眼

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。

上传一张办公室室内空间的照片,瞬间就被转换为三维空间。仿佛真的走进该空间四处观看一般,室内各处的结构与物体以3D画面生动呈现。这正是NAVER集团的研发(R&D)子公司Naver LABS开发的3D视觉基础模型“DUSt3R”所创造的魔法般瞬间。

主导DUSt3R开发的Naver LABS欧洲研究员Jerome Revaud于4日在京畿城南1784办公楼接受Seoul Economic Daily采访时表示:“将基础模型引入机器人领域,是真正改变格局的事情。”他将这一过程比作引领AI大众化的“ChatGPT时刻”。

该研究员曾任职于法国国立计算机科学研究所,后加入施乐欧洲研究中心。2017年施乐欧洲研究中心被NAVER集团收购后,他开始统管3D视觉基础模型开发项目。

机器人要在真实环境中顺畅移动,不仅要识别眼前物体,还需要一种能够综合感知方向、距离感等视觉信息的“眼睛”。DUSt3R将深度学习技术应用于3D视觉,让AI自主学习物理要素,从而解决了这一难题。由此,仅凭几张照片便可迅速掌握空间信息并生成三维数据,还能提取深度信息与相机位置等几何信息。

他评价称:“过去自然语言处理(NLP)被分为翻译、情感分析、文本摘要等多个领域,但随着文本基础模型ChatGPT出现,单一模型以更优性能处理所有这些任务的创新发生了”,“DUSt3R的出现同样开启了用单一模型解决既有全部3D视觉课题的道路。”

Naver LABS在开发出DUSt3R后,没有选择商业化利用,而是选择开源公开。原因在于判断优先扩大相关研究生态、使3D视觉基础模型能够快速高级化。该研究员解释:“通过公开技术,可以汇聚全球学术研究力量,这将带来模型更快的改进”,“进而为NAVER这一品牌带来巨大宣传效应,长期来看将获得更大收益。”

事实上,DUSt3R公开仅两年,论文被引用次数已达1418次,Meta、谷歌、英伟达等全球科技巨头也在此基础上开展后续研究,正稳固成为空间智能领域确定的“游戏规则改变者”。

目前NAVER集团正基于DUSt3R技术推进多种服务的商用化。代表性应用包括提升NAVER集团地图“街景”功能,或将NAVER Pay房地产房源信息的室内照片以增强现实(AR)方式呈现。今后制作3D室内装修鸟瞰图,或将仅留有照片的过往遗址以三维内容再现等,应用前景无限。

最终目标是将该技术确立为帮助机器人在实际产业现场顺畅运行的核心基础技术。他强调:“机器人不止是大语言模型(LLM)。必须整合视觉、语音等各种传感器数据,还要涵盖多个机器人之间的协作与交互等物理要素”,“这正是Naver LABS欧洲所专注的核心课题。”

阅读韩文原文