鏈接：

https://openreview.net/login?redirect=/forum?id%3Dc0ei5M02Ej%26referrer%3D%255BAuthor%2520Console%255D%2528%252Fgroup%253Fid%253Dthecvf.com%252FCVPR%252F2026%252FConference%252FAuthors%2523your-submissions%2529

核心痛點：

傳統(tǒng) 3D 場景生成難平衡推理效率與幾何保真度，復雜遮擋下重建邊界模糊。首創(chuàng)「原位補全」范式，無需顯式姿態(tài)對齊，以場景幾何線索為錨點，通過 “粗結構補全 + 精細形狀優(yōu)化” 雙模塊，融合 2D 紋理與 3D 幾何特征，解決遮擋重建難題。行業(yè)突破：開源全球最大場景級數(shù)據(jù)集 ARSG-110K（110K + 場景、300 萬 + 標注圖），實現(xiàn) SOTA 級幾何重建精度，同時保持高效前饋推理。落地價值：為元宇宙場景構建、機器人 3D 環(huán)境感知提供低成本高效解決方案。

文章：

https://arxiv.org/pdf/2508.03643

核心痛點：

現(xiàn)有 3D 方案存在計算冗余，感知、重建、渲染任務相互割裂，協(xié)同效率低。技術亮點：創(chuàng)新「感知 - 重建 - 渲染一體化」架構，僅需純視覺輸入，在統(tǒng)一隱式表征空間內(nèi)并行完成高保真 3D 重建、語義分割、新視角合成三大任務。行業(yè)認可：代碼開源即獲 GitHub 115+ Stars，成為多任務空間感知領域標桿方案。落地價值：降低機器人、AR/VR 設備的多任務處理成本，提升復雜場景適配能力。

Uni3R 旨在解決現(xiàn)有 3D 方案中存在的計算冗余與表征割裂痛點。該方案創(chuàng)新性地提出了一套感知-重建-渲染一體化架構，僅需純視覺輸入，即可在統(tǒng)一的隱式表征空間內(nèi)，并行實現(xiàn)高保真 3D 重建、精細化語義分割與新視角合成三大核心任務，顯著提升了多任務協(xié)同效率。代碼開源后迅速獲得社區(qū)高度認可（115+ Stars）。模型架構分為 Geometry Foundation Model 和 Semantic Foundation Model，通過 Cross-View Transformer 處理后，分別進入 GS Head、Feat Head 和 Point Head，實現(xiàn)多任務輸出。

文章：

https://arxiv.org/abs/2511.21161

核心痛點：

商業(yè)場景仿真缺失，傳統(tǒng)平臺局限于家居 / 桌面，商超機器人訓練缺乏真實場景支撐。技術亮點：基于智能體 + PCG 框架，支持文本 / 圖片多模態(tài)輸入，自動生成結構化超市場景；內(nèi)置 1100 + 商品 3D 資產(chǎn)庫，配套收銀臺卸貨、通道取貨兩大評估基準。落地價值：為商超服務機器人提供低成本、高保真訓練環(huán)境，大幅縮短商業(yè)機器人研發(fā)周期。

文章：

https://arxiv.org/pdf/2510.15530v1

核心痛點：

傳統(tǒng)純視覺機器人操作精度不足，3D 點云方案依賴昂貴深度傳感器，落地成本高。技術升級：將 CNN 策略頭升級為 DiT（擴散 Transformer）架構，支持多視角輸入，融合語義 - 幾何自適應特征。性能突破：純視覺方案實現(xiàn)與 3D 點云方案性能 “對齊甚至超越”，無需昂貴硬件即可達成高精度操作。落地價值：適配家用 / 商用機器人多場景，降低硬件門檻，推動消費級機器人規(guī)?；涞亍?/span>

4 篇頂會論文的突破，源于地瓜機器人對具身智能核心技術的深耕 —— 核心團隊來自華科、北科、北航、復旦、中科院、地平線研究院等頂尖院校與企業(yè)，聚焦 “純視覺感知”“復雜場景適配”“低成本落地” 三大方向，通過開源數(shù)據(jù)集、代碼庫反哺行業(yè)，推動技術生態(tài)共建。