8月30日，第二届中国空间智能大会（ChinaSI 2026）在武汉收官。大会由“全国SLAM技术论坛”升级而来，议题已经从定位、建图和三维重建，延伸至具身智能、世界模型、多智能体感知以及空间智能在实体产业中的应用。
作为大会合作单位之一，云蝶科技在会议期间启动空间智能人才招募。这个动作背后指向的并不只是一轮扩招，而是具身智能研究对象正在发生变化：空间不再只是机器人需要识别的一张地图，而要成为能够被理解、推演、交互和持续更新的任务条件。
从“重建空间”到“理解任务”
过去，空间智能更多解决“机器人在哪里”“周围有什么”。进入真实业务后，问题明显变得复杂。
一台机器人即使完成了准确定位，也未必理解门禁何时开放、电梯如何调用、人员与物体正在怎样移动、某个区域是否允许进入，以及一个动作将对后续任务产生什么影响。酒店、物业、医疗康养和能源电力等场景中的空间，还叠加了业务流程、权限、安全规则和持续变化的现场状态。
这意味着，具身智能需要的不只是静态几何地图，而是同时包含几何结构、物体关系、动态变化、物理属性和任务约束的世界表示。3D/4D视觉因此开始从感知工具走向训练、推理和决策基础。
2026年8月，云蝶科技与大湾区大学签署合作协议，共建“具身智能与空间智能联合实验室”。实验室由大湾区大学博士生导师王广聪领衔。据云蝶公开信息，团队成员来自中山大学、南洋理工大学MMLab等研究团队，已在TPAMI、NeurIPS、CVPR等期刊及会议发表论文近30篇。
王广聪长期研究3D/4D视觉、具身智能和多模态大模型，曾在南洋理工大学MMLab从事博士后研究，并担任CVPR、NeurIPS等会议领域主席。其研究团队近年的工作涉及三维重建、四维场景生成、动态空间建模和多模态理解等方向。
让真实世界成为训练条件
按照双方公布的计划，联合实验室将围绕多源空间数据采集、统一空间表示、场景资产生成、环境增强世界模型、仿真训练与评测验证开展研究，并计划优先在酒店、物业、医疗康养、能源电力等典型场景中进行技术验证。
其中一个关键问题，是如何获得既符合物理规律、又覆盖真实世界长尾变化的训练数据。
王广聪认为，高质量具身智能数据不应只来自单一来源。真实世界采集可以提供具体环境和任务约束，3D/4D场景建模可以沉淀可复用的空间资产，物理仿真和生成模型则可以系统引入光照变化、物体扰动、视角变化、任务约束及长尾场景，扩大模型能够接触的训练分布。
这条技术路线试图形成一条Real2Sim2Real闭环：从真实环境提取空间和任务信息，将其转化为可训练、可编辑、可重复测试的场景资产，再把算法放回真机和真实任务中验证。运行中出现的失败、异常与人工接管，也可以成为下一轮模型和评测改进的输入。
云蝶此前发布的“1+2+N真实世界具身智能联合研究计划”，为这类研究提供了组织框架。“1”是一套共同机制，“2”是联合实验室与数据训练场两类能力载体，“N”则是持续扩展的真实场景节点。大湾区大学联合实验室承担的空间智能研究，是这一体系中的基础环节之一。
真正的检验仍在现场
从论文方法到真实机器人，中间仍有很长的工程链条。空间资产能否跨场景复用，仿真结果能否迁移到真机，动态建模能否改善任务成功率和异常恢复，最终都需要连续、可比较的现场结果来回答。
云蝶此次同步招募具身智能数据生成与仿真、3D视觉、VLA与世界模型等方向人才，也反映出企业正在把空间智能从单项算法能力，进一步组织为数据、模型、仿真、真机与场景协同的系统工程。
除本轮三类重点岗位外，云蝶还计划在2026年秋季参与“百万英才汇南粤”N城联动招聘活动，并面向上海、南京等城市的高校继续招募ROS2与控制、VLA/IL/RL、具身智能产品及应用等方向人才，具体学校和日程有待后续公布。
空间智能走出数据集，并不意味着研究价值被工程问题取代。恰恰相反，真实世界会提出更多没有标准答案的问题。下一阶段真正有区分度的能力，或许不是把一个空间重建得更漂亮，而是让智能体在这个空间里更可靠地理解任务、预测变化并完成工作。
原标题：空间智能走出数据集：云蝶与大湾区大学把3D/4D视觉带进真实任务
广告
广告
广告
