高德ABot-Recon：不靠长程记忆，万帧级3D重建显存降60%速度快24%
阿里巴巴集团旗下高德正式发布首个无长程依赖的万帧级流式3D重建模型ABot-Recon。该模型无需长程记忆，仅凭连续12帧局部画面，即可实时稳定重建上万帧的3D场景，实现“边拍边建”。
8月28日，阿里巴巴集团旗下高德正式推出ABot-Recon。这是首个不依赖长程记忆的万帧级流式3D重建模型。它不需要靠长程记忆撑场，只拿连续12帧局部画面就能实时、稳定地把上万帧的3D场景建出来，做到"边拍边建"。在KITTI、Oxford Spires、VBR等权威评测里，ABot-Recon都拿到了误差最低的SOTA。
自动驾驶、具身智能这些技术正走向开放环境，物理AI要的不只是"看见"，还得在移动中持续弄明白空间关系：自己在哪、周围有什么、下一步往哪走。商场、园区、仓库这类私域场景定位信号弱、变化又快，系统很难靠一次性建图或事后重建来应付。
眼下主流做法是用流式3D重建技术实时还原三维场景，可这条路会碰上误差累积、显存过大等一连串麻烦。传统流式3D重建为了保住长距离场景的全局一致，会在重建过程中设记忆锚点，模型得靠长程记忆不停保存、检索、融合历史信息。序列一长，速度就慢下来，精度跟着变差，显存也越吃越多。
ABot-Recon换了一条技术路线："局部位姿预测+残差优化"，专门对付长序列在精度、速度、显存上的难题。它没有沿用长程记忆锚点做记忆对齐的做法，而是只把最近12帧连续画面当作局部上下文窗口，每次仅预测当前相机坐标系下的局部点云和相邻两帧间的相对位姿。这样计算复杂度保持恒定，轨迹也能保持平滑，再靠在线组合一步步拼出完整的全局轨迹与三维场景。预测目标始终是局部的，跟序列长度无关，内存和单帧计算量也就不会随视频变长而膨胀。
局部预测难免有误差累积，ABot-Recon在预测端和训练端各设了纠偏与误差约束机制，实时把轨迹误差校准回来。
精度方面，Oxford Spires长序列基准测试中，ABot-Recon的平均轨迹误差比行业代表方法LingBot-Map低40.6%；相对旋转误差RPE-R低至0.12°，在同类流式方法里最优，较前代SOTA降了约40%。
速度方面，KITTI-02测试中ABot-Recon跑出24.45FPS的实时重建，推理速度是行业代表方法的1.24倍。平均轨迹误差低于20米的方法里，它的吞吐最高、显存最低。
显存上，ABot-Recon峰值占用只有约6.71GB，差不多是同类模型的三分之一。一张消费级显卡GTX 1080Ti就够跑，流式3D重建的使用门槛由此低了不少。
ABot-Recon只需单目RGB视频输入，不用额外深度传感器，也不需要已知相机参数，就能完成万帧级实时三维重建。测绘行业的私域建图与底图更新用得上它，具身智能、自动驾驶和3D内容生产等场景同样适用。
目前，ABot-Recon已在GitHub开源推理及评测代码和权重，魔搭社区也上线了体验专区。
