這次 WAIC，群核的朋友邀請我去看看，有東西要開源：InteriorGS

InteriorGS

去之前，我先轉了轉其他展位
最火的地方，莫過于 「鎮(zhèn)館之寶」：機器人在賣可樂

鎮(zhèn)館之寶：機器人小賣部

里三層，外三層，水泄不通
擠進去看了會兒，機器人正識別訂單、抓取可樂、遞給觀眾
掐表一看：兩分半
要是真在打工，應該早就被炒了

現在工廠里的機械臂，一分鐘能完成幾百個動作，誤差不超過 0.1 毫米
怎么到了這兒，賣瓶可樂都費勁？

后來想明白了：工廠是機器人的「理想國」
工廠里，一切都是確定的：零件位置，傳送帶速度...不會有偏差
所以，機器人的動作，都可以寫死，然后無限循環(huán)

真實世界，很不一樣
可樂會在冰柜里、貨架上，也可能賣完了
下單的，可能是可口可樂，也可以是百事可樂，還可能要櫻桃味的（這個我是真喜歡）
遇到有人插隊怎么辦？小孩子夠不著怎么辦？
到處都是問題，到處都得處理

這款樹莓味的、無糖的百事可樂，我非常喜歡

不是機器人笨，而是他真沒見過
機器人需要「見世面」的機會，在各種場景中練習

展位的意外收獲

到了群核展位，先看了個有趣的案例：
杭州老照相館的 3D 重建

這家開了 60 年的照相館，店主周爺爺身體不好，很久沒法去店里了

群核的工程師，復刻了整個照相館
效果確實驚人，連桌上的灰塵、墻上的光影都清晰可見

這背后的技術，叫做「3D高斯」

傳統(tǒng)的建模，是畫三角形
游戲里的人物、建筑，放大看全是三角形。精度越高，三角形越多，文件越大

Reddit 上的帖子：一切都是三角形

「3D高斯」，則是用「光點」來還原空間
幾張照片就能生成場景，文件比傳統(tǒng)方法小 90%，還能實時渲染

春晚的無人機表演，也是一種「3D高斯」

這次開源的「InteriorGS」，就是整套「3D高斯室內場景」數據集

InteriorGS數據示例：機器人視角

InteriorGS數據示例：無人機視角

這套數據集中，包含 1000 個場景，涵蓋 80 多種環(huán)境類型，從普通住宅到便利店、博物館

這些場景中，有超過 55.4 萬個物體實例，分屬 755 個類別，每個物體都配有3D邊界框和語義標注

語義是什么：說白了，就是告訴機器人空間里有啥，空間關系怎么樣

對于同一種空間的多種標注

仔細看，會發(fā)現這里的一個細節(jié)：

每個場景都提供了占用地圖（occupancy map），白色表示能走，黑色表示障礙
這讓機器人知道哪里能走，哪里不能走

更棒的是，數據集還包括了地面機器人和無人機的導航軌跡示例，讓 AI 更好的在復雜環(huán)境中，進行學習

這里補充一個背景，具身智能的訓練數據，現在遇到了兩大問題：

• ? 極度缺乏 3D 場景/數據

• ? 缺少對 3D 場景/數據的屬性標注

「缺乏 3D場景/數據」好理解，就沒那么多模型
「缺少對 3D場景/數據素材的屬性標注」呢？你把模型給了機器人，比如一個逼真的客廳，機器人也搞不清楚哪是沙發(fā)、哪是茶幾，更不知道沙發(fā)軟、茶幾硬

不同的物體，具有不同的碰撞屬性

而群核的嘗試，把3D高斯疊加他們家的空間大模型，這樣既能低成本完成海量3D數據，也能補齊了物理屬性的缺失問題。

到了這里，就結束了嗎？
InteriorGS，只是冰山一角

群核有個SpatialVerse，算得上「3D 領域的ImageNet」

ImageNet ImageNet 是一個包含超過 1400 萬張標注圖片的數據庫，用于訓練 AI 識別物體 2012年在其競賽中，深度學習首次大獲成功，開啟了 AI 革命

開頭那個賣可樂的機器人，還記得嗎？
動作遲鈍的核心原因：練習不夠
（時長不到兩年半）

學生鞏固知識，要做練習題
機器人，需要去刷場景

SpatialVerse，便是「刷場景」的平臺，就像黑客帝國里的數字道場

對于同樣的內容，機器人需要從多維度理解

在這個過程中，SpatialVerse提供四種關鍵能力：

物理增強能力
是SpatialVerse最獨特的部分。每個3D模型都被賦予真實的物理屬性——密度、摩擦力、彈性、阻尼等參數。更重要的是對活動部件的運動約束：門能夠按照真實鉸鏈開合，把手可以按照實際機構旋轉，抽屜沿著軌道滑動。讓虛擬訓練的經驗，能夠直接遷移到真實世界。

不同材料的物體模擬

分割標注能力
通過自動化技術結合人工審核，為每個物體提供精確的語義標簽、材質信息和狀態(tài)描述。這種多維度標注對提升AI模型的場景理解能力至關重要。

同一場景中，對每部分分別標注

場景增強能力
解決了訓練數據多樣性的問題。一個整潔的樣板間可以通過場景繁化變成生活化的真實環(huán)境——自動添加日常物品、調整家具擺放、改變光照條件、更換材質紋理。平臺的模型包支持批量生成場景變體，讓同一個基礎場景產生成百上千種訓練樣本。

同樣場景，可能也會有不同展示

多平臺支持能力
確保了數據的通用性。平臺實現了向Omniverse、Unreal Engine、Blender，以及MuJoCo等仿真環(huán)境的工程化轉換，同時也支持例如UC Berkeley開源的RoboVerse在內的開源仿真平臺。研究團隊可以在熟悉的工具鏈中直接使用這些數據。轉換流程經過優(yōu)化，能夠在保證數據完整性的前提下快速處理大規(guī)模數據集。

支持多平臺的工程轉換 SpatialVerse 的背后

SpatialVerse 的背后，是群核十多年來的積累

群核科技創(chuàng)始人黃曉煌，之前在伊利諾伊大學香檳分校讀博，方向是用「GPU做高性能計算」

黃曉煌的導師，問了他一個前瞻性問題：
當算力提升1000倍，你要研究什么？

黃曉煌的選擇是：
模擬物理世界的運行

算法模擬：堅果落在桌面

2011年，黃曉煌從英偉達回國創(chuàng)業(yè)
方向便是基于GPU的「渲染引擎」，訴求「物理正確」

而這項技術，被落地到了家裝設計上，成為了「酷家樂」

2013年，酷家樂上線，讓設計師能在網頁上快速渲染效果圖，在大家居行業(yè)一炮而紅。

家居場景渲染

這里，要說一下什么是「物理正確」？
指的是：渲染出的圖像，要與真實物理世界一模一樣。無論是材質的反光、陰影的角度、還是光線的折射，每個細節(jié)都要符合物理規(guī)律

在家裝這個場景下，「物理正確」尤其重要。畢竟，東西都是要生產出來的，尺寸錯一毫米都不行。

桌子的 3D 素材

多年下來，群核科技平臺上沉淀下來海量3D數據，光 3D 模型就有 3.2 億個。
每一個沙發(fā)的尺寸、每一扇門的開合方式、每一個抽屜的深度，都被精確記錄，質量，足以支撐真實生產

到了2018年，群核聯(lián)合帝國理工、南加州大學等高校推出 InteriorNet，這是當時全球最大的室內場景深度學習數據集

論文發(fā)表后引起轟動，硅谷巨頭紛紛發(fā)來合作郵件。

InteriorNet 數據集

在后來，李飛飛的論文指出：

在高仿真場景下訓練機器人，可以達實景訓練99%的效果。

而群核，恰好擁有最大規(guī)模的「物理正確」的空間數據

從InteriorNet 到 SpatialVerse，群核完成了從「數據集」到「智能訓練平臺」的進化

圖片來自官方 誰在用 SpatialVerse？

有一家公司，做掃地機器人的，用 SpatialVerse 訓練識別寵物糞便

養(yǎng)過寵物的都知道，最炸裂的無過是：
「貓貓軟便」+「拉外面」+「機器人拖地」

然后，貓屎就會被平鋪在整個房間

啊啊啊啊啊啊啊啊

這個事兒，如果讓機器人實景訓練...不敢想
為此，群核的設計師「研究了好些寵物糞便」，做出了逼真的3D模型

有設計師在微博吐槽：“貓屎有必要做得這么逼真嗎......”
正是這種逼真，讓掃地機器人學會了避雷

這個案例很有意思，代表問題：機器人要見識各種奇葩場景，但有些場景，你是真不想在現實中復現

機器人在進行模擬訓練

智元機器人也在用 SpatialVerse，他們要訓練機器人操作各種物體

銀河通用在優(yōu)化導航算法，穹徹智能、智平方、松應科技等公司也都成了用戶

WAIC 的搓麻機器人，據說也訓練自 SpatialVerse

大家圖的是什么？省事兒

與其讓機器人在家里打翻東西，不如先讓他在虛擬空間里多練練，把錯誤犯個遍

今年3月，群核開源了空間理解模型SpatialLM，一度登上Hugging Face趨勢榜前三，便是訓練自 SpatialVerse 的

更有意思的是，2025年谷歌與斯坦福聯(lián)合發(fā)表的論文FirePlace，專門提到了SpatialVerse：數據能打，每個模型的物理屬性都是真的

谷歌與斯坦福，聯(lián)合發(fā)表的論文

這篇論文，研究的是讓AI學會布置房間

聽起來簡單，但細想想挺難的，AI 是真的不懂：
沙發(fā)不能懸空吧？臺燈得放桌上吧？書架和墻之間要留點距離吧？

從掃地機器人，到谷歌斯坦福論文，大家要的東西其實一樣：「物理正確」的訓練場景

SpatialVerse，則把工廠用的精確數據，變成了AI可用的訓練資源

最后

離開WAIC時
我又想起那個賣可樂的機器人
還像個嬰兒

解法很簡單：多練
提前練習，把該犯的錯都犯了
如果幾年后，機器人可以很輕松的考淀粉腸，那意味著什么？
機器人的福報，到了（笑

千萬個虛擬場景，千萬種未來可能