机器人正在掌握一种曾经专属于人类的能力，那就是对所经历空间的记忆。在首次探入不熟悉的环境时，人类不会将所见逐一记录，而是关注关键元素，如门、桌子和自己所在位置。这种选择性的记忆使我们能在复杂环境中不断行动。这一挑战同样存在于机器人技术中，是实现真实世界应用的关键。今年4月，蚂蚁灵波开源的流式3D重建基础模型LingBot-Map，在“如何让机器人记住空间”这一问题上探索出了新的技术路径。该技术通过普通的RGB摄像头即可实现实时的相机位置估计和场景三维重建，填补了实时空间感知领域的关键技术空白。LingBot-Map在经历多房间的复杂序列时，依然展现出优秀的鲁棒性。

截至目前，LingBot-Map在GitHub上的项目已获得16.9K颗星标和1.9K次分叉，多次出现在GitHub趋势榜上，成为3D视觉领域备受瞩目的开源项目之一。这项研究最近获得了新的认可，其论文《Geometric Context Transformer for Streaming 3D Reconstruction》入选于ECCV 2026会议并将在会上进行口头报告。在ECCV的开幕式上，该项目也被列入了奖项候选名单，从GitHub社区的广泛关注到学术界的认可，LingBot-Map实现了开发者生态和学术界的双重验证。

更为重要的是，这一成果反映了机器人空间感知竞争的演变，从简单的“看见世界”转向更加复杂的“记住世界”。在被ECCV认可之前，LingBot-Map已经在开源社区获得了大量关注。开发者们对该项目进行了多种二次开发，不同的尝试展示了该技术的多样性与活力。 千亿球友会

为了让更多人能够便捷地体验，项目中还开发了能够在Apple Silicon Mac上本地运行的原生桌面前端和3D点云查看器，使用户能更直观地观察模型生成的空间重建效果。这种社区中的活跃探索，往往比简单的星标数量更能体现项目的生命力。