高德开源ABot-Recon：万帧流式3D重建，显存只要6.71GB
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。它不用长程记忆，只凭连续12帧局部画面，就能边拍边实时、稳定地把上万帧3D场景建出来。在KITTI、Oxford Spires、VBR等权威评测里，ABot-Recon的误差都是最低的，拿到SOTA。
自动驾驶、具身智能这些技术往开放环境走，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、周边有什么、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。
现在主流做法是用流式3D重建技术实时建三维场景，可这条路会碰上误差累积、显存过大等麻烦。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、显存上的压力。它没用长程记忆锚点做记忆对齐，只把最近12帧连续画面当局部上下文窗口，每次仅预测当前相机坐标系下的局部点云以及相邻两帧的相对位姿，计算复杂度因此保持恒定，轨迹也够平滑，再靠在线组合一点点拼出完整的全局轨迹和三维场景。预测目标始终是局部的，跟序列长度无关，内存和单帧计算量就不会随视频变长而膨胀。
局部预测难免积累误差，ABot-Recon在预测端和训练端各设了一套机制，前者纠偏，后者约束误差，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最低到0.12°，是同类流式方法里最好的，较前代SOTA降了约40%。
速度方面，KITTI-02测试中ABot-Recon跑到24.45FPS，能实时重建，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，显存占用最低。
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。换句话说，一张消费级显卡GTX 1080Ti就能跑起来，流式3D重建的入门门槛被拉低了不少。
ABot-Recon只要单目RGB视频输入，不需要额外的深度传感器，也不用预先知道相机参数，就能完成万帧级实时三维重建。测绘行业的私域建图、底图更新用得上它，具身智能、自动驾驶、3D内容生产等场景同样可以铺开。
据了解，ABot-Recon的推理及评测代码和权重已经在GitHub开源，魔搭社区也上线了体验专区。
