标题：1段视频=亿万虚拟场景！群核开源空间理解多模态模型，真实世界秒变机器人训练场

GTC2025全球大会上，群核科技宣布开源空间理解模型SpatialLM。这是一个基于大语言模型的3D场景语义生成框架，突破了传统大语言模型对物理世界几何与空间关系的理解局限，赋予机器类似人类的空间认知和解析能力。SpatialLM为具身智能领域提供了一个基础的空间理解训练框架，企业可通过微调降低具身智能训练门槛。仅需一段视频，该模型即可生成物理正确的3D场景布局，基于点云数据准确理解结构化场景信息。SpatialLM已在HuggingFace、GitHub、魔搭社区等平台开源，并将持续迭代自然语言和场景交互功能。

相比Meta的SceneScript模型，SpatialLM的独特之处在于：一是兼容普通相机和手机视频输入，更具通用性；二是输出3D场景的自然语言描述，支持原生自然语言与场景数据交互；三是支持对物理空间信息的认知理解和结构化描述。群核科技利用自身积累的海量三维数据和空间认知数据，使模型具备创建物理正确空间场景的能力。

群核科技董事长黄晓煌表示，SpatialLM旨在帮助具身智能机器人完成空间认知理解的基础训练，而SpatialVerse则通过合成数据方案为机器人搭建接近物理真实的“数字道场”。两者协同打通“现实-虚拟-现实”闭环，将现实世界转化为虚拟环境中的丰富场景。黄晓煌认为，具身智能机器人的爆发性发展需要全行业的共同努力，群核科技希望通过开源推动技术进步，目前已与多家国内外企业达成合作。