企业官网建设流程全解析

3D环境感知领域顶尖学者论文追踪（202510-202610）

覆盖四层结构 16 位学者的年度重点动态。关联度评级基于仓储拣选机器人业务（RGB-D 三维感知、传送带 3D 实例分割、SKU 分离、泛化抓取、反光/透明物体、密集堆叠）。

一、物理 / 几何感知（空间长什么样）

Richard Newcombe（Meta Reality Labs）

• Generalized non-exponential Gaussian splatting（Meta）：将 3DGS 扩展到非指数透射率模型，更真实地模拟云雾、枝叶等复杂材质，渲染提速约 4 倍。关联度：中（材质建模思路可借鉴到反光 SKU 的 splat 渲染）
• FLICKER（Meta & NVIDIA）：3DGS 硬件加速器，通过细粒度贡献分析实现实时渲染。关联度：中
• 动态：Meta Reality Labs 整体转向 3DGS 为主的物理世界捕获管线（Quest 3 上的 VR splat 渲染、全身 Gaussian 头像 SqueezeMe 72fps）。关联度：中

Marc Pollefeys（ETH / Microsoft）

• DROID-SLAM in the Wild（2026.03）：可微分不确定性感知 BA 的实时 RGB SLAM，动态杂乱场景下约 10 FPS，实时位姿与几何 SOTA。关联度：高（传送带动态场景的鲁棒跟踪直接相关）
• OmniPoint（2026.09）：统一针孔/鱼眼/全景相机的单目米制点云框架，零样本泛化，支持内参/稀疏深度注入。关联度：高（多相机型号统一感知的范式）
• Memory Over Maps（2026.03）：不做全局 3D 重建，仅存带位姿的 RGB-D 关键帧做视觉记忆，查询时用 VLM 重排 + 按需深度反投影定位目标，建索引快两个数量级。关联度：高（免建图目标定位，对拣选场景的目标检索极具参考价值）
• Global SfM Meets Feedforward Reconstruction（2026.05）：经典 SfM 与前馈重建（DUSt3R 类）结合的新管线，弱纹理/低重叠场景更稳，开源。关联度：中
• PolyLayout（ECCV 2026）：多房间 Manhattan 布局联合估计。关联度：低

Stefan Leutenegger（TUM Smart Robotics Lab）

• GSFix3D（3DV 2026）：扩散模型引导修复 3DGS 新视角的破损区域。关联度：中
• SplatXtRact（RA-L 2026）：开放世界 ROI 提取 + 精修的可控 3DGS，从大场景中只重建/跟踪感兴趣区域。关联度：高（只关注传送带目标区域的算力裁剪思路）
• Situated Perception（ISARC 2026）：场景级 + 物体级定位的 Spatial AI，用于移动机器人装配作业。关联度：高
• GSFusion（RA-L 2024 末，组内代表作）：在线 RGB-D 建图中 3DGS 与 TSDF 融合。关联度：高（与你们 RGB-D 稠密建图路线同源）
• AERO-VIS（RA-L 2026.10）：异步事件相机 VIO，机载实时。关联度：低（事件相机思想可关注，但场景不同）

Sebastian Thrun（Stanford）

• 创办 stealth 机器人公司 Dulo（2026.08 宣布）：定位"硬件设计基础模型"，目标是 manufacturing at lightspeed，团队含 Waymo / Google Brain / SAIL 核心成员。本人方向已从 SLAM 理论转向创业，后续跟踪以公司动态为主。关联度：中（Physical AI 赛道风向标，2026 Q1 该领域融资 $16.3B 创纪录）

二、RGB-D 感知理解（深度相机怎么读世界）

Dieter Fox（UW / NVIDIA Seattle Robotics Lab）

• PointWorld（2026.02，与李飞飞团队合著）：面向真实场景机器人操作的规模化 3D 世界模型。关联度：高
• GraspGen（ICRA 2026）：扩散模型 6-DoF 抓取生成框架 + on-generator 训练，NVIDIA 拣选管线的核心工作。关联度：高
• Point Bridge（2026.02）：用 3D 点表征做跨域（仿真↔真实）策略学习。关联度：高
• Recurrent-Depth VLA（2026.02）：通过潜空间迭代推理实现 VLA 隐式测试时扩展计算。关联度：中
• Open-World TAMP via VLM Inferred Constraints（RA-L 2026）：VLM 推断约束驱动的开放世界任务与运动规划。关联度：中
• 其组延续 RGB-D 透明物体深度补全、未见物体实例分割（RGB/Depth 分离利用）等长期路线。关联度：高

刘烨斌（清华）

• Tessellation GS（3DV 2026）：网格面片锚定的结构化 2D Gaussian，单目动态物体重建更稳，解决 3DGS 各向异性过拟合问题。关联度：中
• 多尺度动力学高斯序列（2026）：从随手拍单目视频做 4D 重建，物体→粒子级多尺度运动分解，可用于机器人操作数据扩展。关联度：中
• DancingBox（CHI 2026 最佳论文提名，清华参与）：仅 RGB 相机 + 视觉基础模型组合（π3/SAM2/CoTracker3）实现任意物体驱动的角色动画，展示"基础模型拼装替代专用动捕系统"的工程范式。关联度：中
• 组内长期强项：动态场景 RGB-D 融合捕捉、人体/手部高保真重建。关联度：中

贾佳亚（已转任 HKUST 冯·诺依曼研究院院长，SmartMore 创始人）

• DreamOmni2（2025.10）：开源多模态指令编辑与生成基础模型，多项指标超 Google 闭源同期模型。关联度：低
• InternVLA-M1（2025.10 合著）：空间引导的 VLA 通用机器人策略框架。关联度：高（空间先验注入 VLA）
• 动态：2026.01 当选 ACM Fellow；SmartMore 聚焦工业智能体（机器人 + 边缘 AI 传感器 + Agent 软件），已服务 730+ 家企业，深圳智能制造工厂 2022 年起运营。关联度：高（制造业视觉 → 工业智能体路线与你们最接近的产业样本）

章国锋（浙大 / InSpatio 创始人）

• 创办影溯 InSpatio（2025.07）：3D 世界模型公司；InSpatio-WorldFM（2026.03 开源）：消费级 GPU 上实时推理的交互式 3D 世界模型。关联度：高
• QuerySplat（2026.08 开源）：前馈式 3DGS 生成技术 + Crystal 空间相机 App。关联度：中
• 2026.03：5 篇 CVPR 2026 接收；组内延续线：SplatLoc（3DGS 视觉定位）、CG-SLAM（不确定性感知 3DGS 稠密 RGB-D SLAM）、PGSR（平面约束 GS 高保真表面重建）。关联度：高（GS-SLAM 表面重建与你们 RGB-D 建图直接相关）

Jiajun Wu（Stanford）

• Theory of Space（ICLR 2026，与李飞飞等）：具身空间认知评测新范式——模型须主动探索构建/修正"认知地图"。重要发现：所有前沿多模态大模型在视觉空间推理上系统性弱于文本；朝向感知接近随机、信念漂移严重。关联度：高（说明 VLA 结合显式 3D 重建的必要性，佐证你们的技术观点）
• 3D-Generalist（3DV 2026，与 NVIDIA）：VLM 当策略自举生成仿真就绪 3D 环境，用于基础模型预训练数据。关联度：中
• 机器人操作动力学模型综述（Science Robotics 2025，与苏昊等）：学习型动力学模型用于可变形物体、颗粒物、多物体交互的权威综述。关联度：高
• Physical Object Understanding with a Physically Controllable World Model（CVPR 2026 Highlight）。关联度：中

Christian Theobalt（Max Planck）

• EgoRelight（SIGGRAPH 2026）：单 HMD 第一视角同时做全身捕捉 + HDR 环境光估计 + 可重光照真实感头像。关联度：低
• UMA（TOG 2026.09）：40 台 6K 相机多视角，2D 视频点跟踪器监督 3D 形变，超细节（纱线级纹理）人体头像。关联度：低（2D 基础模型监督 3D 的思路可迁移）
• Faster 3DGS Convergence via Structure-Aware Densification（SIGGRAPH 2026）：结构感知致密化加速 3DGS 收敛。关联度：中

三、属性理解（是什么、什么材质、什么关系）

朱松纯（BIGAI / 北大）

• 触觉高分辨率机器手（Nature Machine Intelligence 2025）：机器人手嵌入高分辨率触觉，实现类人自适应抓取。关联度：高（视觉抓取失败时的触觉兜底路线）
• Lifting Unlabeled Internet-level Data for 3D Scene Understanding（2026.05）：把无标注互联网数据提升用于 3D 场景理解。关联度：中
• TEA：具身智能体原位评测（2026）： unseen 环境自动生成 8.7 万认知任务，发现 SOTA 模型基础感知差、3D 交互意识严重缺失。关联度：中
• Part-level Scene Reconstruction Affords Robot Interaction（IROS）延续线 + Move to Understand 3D Scene（ICCV 2025 Highlight）：部件级重建支撑机器人交互、边走边理解 3D 场景的具身导航。关联度：高
• PhyRecon（NeurIPS 2024）延续影响：物理可信的神经场景重建（物理稳定性约束进重建损失）。关联度：高（堆叠 SKU 稳定性判断可借鉴）

苏昊（UCSD →2026.04 回国加盟复旦，Hillbot 联合创始人/CTO）

• 重大动态：2026.04 China3DV 上官宣回国，任复旦浩清特聘教授，领衔建设通用物理智能研究院并出任院长（具身领域华人学者被引第一，超 14.5 万次）。关联度：高（国内物理智能生态的关键落子，招聘/合作潜在对象）
• π0.7（Physical Intelligence，2026）：可转向的通用机器人基础模型，多模态上下文条件化（子目标图、任务元数据）实现零样本跨具身泛化。关联度：高
• AnyHand（2026）：250 万单手 + 410 万手物交互 RGB-D 合成数据集，RGB-D 融合轻量模块即插即用。关联度：高（RGB-D 融合机制直接可借鉴到你们图漾/海康双目融合）
• Scaling Cross-Embodiment World Models（IROS 2026）：用 3D 粒子集合统一人手/机器人手表征，跨具身世界模型 + 规划。关联度：中
• PartField（ICCV 2025）：3D 特征场做部件分割，部件级理解的新基建。关联度：高（与你们 SKU 部件级分离同问题域）
• LodeStar（2025.08）：人类演示合成数据增强做长时程灵巧操作。关联度：中

李飞飞（Stanford / World Labs）

• Marble 商用化（2025.11 正式发布，2026.06 全量开放）：多模态输入（文本/图像/视频/3D 布局）→ 可交互 3D 世界，同时输出 3DGS（视觉）+ 碰撞网格（物理）。Chisel 模式解耦结构与风格。关联度：高
• 世界模型三分法（2026.06 官方文章）：Renderer（输出像素）/ Simulator（输出状态）/ Planner（输出动作），主张 Simulator 是关键枢纽——几何+物理知识可同时投影为渲染与动作预测。关联度：高（对判断 VLA/世界模型路线有框架价值）
• R2S2R 引擎（2026.07）：Real-to-Sim-to-Real 机器人策略训练评估引擎，Marble 场景导入 Isaac Sim，建仿真环境从数周缩到数小时；计划在仓库、实验室、电子装配等半结构化场景真实部署验证。关联度：高（与你们业务场景直接重叠）
• 收购 SceniX（2026.07）：机器人仿真公司，创始人李昀烛；Atlas 多模态世界模型（2026.09）：以"空间上下文"替代"文本上下文"，像素级精确 + 3D 重建；Spark 2.0 开源 3DGS 渲染引擎（2026.04）。
• 融资：2026.02 完成 $10B?? 实为$10 亿美元融资（Autodesk $2 亿领投），估值约 $50 亿。关联度：高（空间智能从研究到商业部署的信号）

四、感知服务操作（理解之后怎么抓）

Shuran Song（Stanford REALab）

• 2026 年 14 篇系统性产出，三条主线：
  • 基础模型与策略微调：Transformer Transformer（机器人形态与控制联合协同设计，ALOHA 轨迹误差降 70%+）、DF-ExpEnse、Gated Memory Policy。关联度：中
  • 多感官融合与顺应控制：Minimalist Compliance Control（RSS 2026，极简柔顺控制）、UMI-FT（野外顺应操作，预训练策略适应力反馈）、Multisensory Continual Learning（视觉受阻时靠触觉/力觉续跑）。关联度：高（密集堆叠抓取的接触柔顺问题）
  • 数据采集与跨具身：ModPack（可扩展双臂移动操作遥操接口）、HoMMI（RSS 2026，从人类演示学全身移动操作）、One Demo Is Worth a Thousand Trajectories（动作-视角增强）、Geometry-Aware 4D Video Generation for Robot Manipulation（ICLR 2026）、DexMachina（ICML 2026，双臂灵巧功能重定向）。关联度：高（遥操数据采集接口与你们手柄遥操采集直接对标）

Sergey Levine（UC Berkeley / Physical Intelligence 联合创始人）

• Steerable Policies（RSS 2026）：VLA 用子任务/运动/像素坐标等多抽象层级的合成指令训练，解锁 VLM 高层推理对底层行为的精细控制。关联度：高
• Emergence of Human-to-Robot Transfer in VLA（RSS 2026）：充分多样预训练后，人类视频→机器人技能迁移"涌现"，泛化场景性能近翻倍。关联度：高（你们遥操数据 + 互联网视频混合训练的依据）
• π0.7（Physical Intelligence，2026）：见苏昊条目——Levine 为 PI 联创，与苏昊组有共同产出。关联度：高
• RoboReward（2026.01）：VLM 通用奖励模型，自动生成真实机器人任务奖励。关联度：中
• Beyond Sight：Multi-Sensory Robot Policies：视觉/触觉/音频多感官策略。关联度：中

五、工程落地更关注

韦特嘉机器人（Ulti Robotics）

• 硬件的可靠性及软件的可控性：3D 视觉算法平台、实例分割、动态权重 RGB-D 融合模型、泛化抓取、订单到人系统全部自研；相机、PLC/伺服外采后做深度二次开发。这意味着学界每开源一项突破（GraspGen、PartField、深度融合模块），都能在不被任何单一技术栈绑定的前提下快速集成验证——工程自由度是学术界所不具备的。
• 问题域高度收敛：学界 2025-2026 的爆发集中在动态场景 SLAM、部件级分割、扩散抓取生成、仿真数据扩充，而这些正是“电商前置仓 + 传送带 + 密集堆叠 SKU”这一个场景的全部痛点。韦特嘉不需要泛化到户外、人形、开放世界，只需在这一收敛场景里把开源底座攒成可靠性产品——竞争的本质是集成速度和现场数据规模，而不是单点算法领先。

本期高关联 Top 5（按业务价值排序）

1. 李飞飞 World Labs R2S2R + 仓库场景部署计划——世界模型直接瞄准半结构化仓储场景的机器人策略训练，与你们业务正面重叠，需密切跟踪其真实部署效果。
2. 苏昊回国 + PartField / AnyHand——部件级 3D 理解与大规模 RGB-D 合成数据两手抓；其复旦通用物理智能研究院是国内最对口的学术合作/招聘生态。
3. Pollefeys 组 Memory Over Maps——免建图 RGB-D 关键帧记忆 + VLM 目标检索，索引构建快两个数量级，对拣选目标定位是轻量化新范式。
4. NVIDIA/Fox 组 GraspGen + PointWorld——扩散抓取生成 + 3D 世界模型，是拣选抓取管线的当前工业级标杆。
5. Song 组 UMI-FT / Minimalist Compliance Control + Levine 组人类视频迁移涌现——密集堆叠抓取的接触柔顺与低成本数据扩展的两条可行路径。

结构性观察（年度视角）

• 3DGS 已全面接管几何感知层：四层学者 2025-2026 的主要产出几乎都迁移到 Gaussian 表征（SLAM、动态重建、表面重建、世界模型导出格式）。
• "世界模型 = 渲染器/模拟器/规划器"的分化正在发生：李飞飞主张 Simulator 为核，杨立昆走纯隐式路线，双方是未来两年最值得看的路线之争。
• RGB-D + 语义大模型结合的具体形态已经清晰：关键帧记忆 + VLM 重排（Fox/Pollefeys 线）、VLA 空间先验注入（InternVLA-M1、Steerable Policies）、触觉兜底（朱松纯、Levine 多感官）。
• 中国学者权重显著上升：苏昊回国、章国锋创业、贾佳亚产业落地、刘烨斌/朱松纯持续产出——国内物理智能学术-产业闭环正在成形。