近日，《中國高新技術產業導報》對留形科技的技術成果進行了深度報道，聚焦我們在智能三維空間感知與重建算法領域的技術創新與行業影響，詳細介紹了我們如何通過深度融合SPAD深度模組、高清RGB相機與高精度IMU，賦予機器人“看得懂、記得住、認得清”的空間智慧。無論是狹窄通道、非結構地形，還是目標識別、動態規劃，我們的技術正在幫助機器人擺脫對預設路徑的依賴，持續加速具身智能在真實世界中的落地應用。

       近日，深圳留形科技有限公司（以下簡稱“留形科技”）宣布完成金額為數千萬元的Pre-A輪融資，投資方包括弘毅投資等著名投資機構。此前，該企業曾獲得真格基金種子輪投資，以及君盛投資的天使輪投資。

      據了解，留形科技成立于2022年，該企業研發的智能三維感知和重建算法可以賦予機器人等具身智能設備空間感知、智能記憶及主動交互能力。這成為空間感知領域企業的最新舉措。

01  機器人三維空間感知的重要性

      空間感知，是機器人在非結構化環境中實現自主決策的關鍵能力，決定了機器人除“只會看”外，是否還能“看得懂、記得住、認得清”。具體地說，人形機器人若要模仿人在空間執行任務，就必須感知、理解和記憶真實世界中的復雜環境，而空間感知能力解決的是“認知”和“執行”的連接問題。

       留形科技首席技術官（CTO）徐威表示，很多機器人能做動作但做不到“自主判斷”。例如，機器人取外賣需要識別門的位置、判斷電梯在哪里、是否有人、如何走最短的路，下了樓還能識別出哪個柜子是“目標”，這些都需要實時構建空間模型并作出判斷。如果沒有空間感知，機器人就只能“看得見但看不懂，走得動但走不對”。

      賽迪智庫產業政策研究所助理研究員李陳表示，傳統機器人依賴預設地圖或固定路徑，難以應對突發狀況。而三維感知技術通過實時生成厘米級精度的三維點云地圖，結合IMU（慣性測量單元）實現時空同步，使得機器人能夠動態識別障礙物、狹窄通道和可通行區域。此外，傳統機器人依賴“傳感器+控制器”的分離式架構，而三維感知技術通過多傳感器深度融合和邊緣計算能力實現了“感知-計算-執行”的一體化。綜合地看，通過將環境信息轉化為可計算的結構化數據，空間感知技術不僅賦予機器人物理世界的“認知地圖”，更是通過多模態數據融合構建起深度理解能力，從而使人形機器人從“程序化執行”邁向“類人交互”。

      “通過精準感知和識別所處環境的三維結構、動態變化及物體狀態，機器人能夠在坡面、不平整地面、樓梯等復雜地形中實現穩定自主運動與路徑規劃，同時準確識別任務對象的位置與形態變化，助力完成抓取、搬運等操作任務。這一能力不僅提升了機器人在復雜環境中的導航穩定性與交互準確性，還顯著降低了其對陌生環境的適應難度和重復學習成本，為實現智能泛化提供了堅實支撐。”IDC中國研究經理李君蘭說。

        這一能力的獲得將給機器人行業帶來巨大改變。

        徐威表示，從行業角度看，空間感知是實現“機器人從實驗室走向真實場景”的關鍵一步，尤其是在建筑測繪、工業巡檢、機器人導航與數字孿生等領域。如果機器人不具備一定的空間感知和記憶能力，就只能依賴提前設定的路徑規劃或人為控制，無法適應動態、真實的場景。

         李君蘭認為，當前，人工智能（AI）大模型正加速推動機器人邁向具身智能，但機器人在智能泛化方面亟待突破。作為“感知—學習—決策—執行”閉環中的核心環節，空間感知技術正在成為實現環境理解、任務泛化與人機協同的關鍵突破口。該技術能為機器人賦能路徑規劃、目標識別等核心能力，推動其從結構化環境走向復雜、多變的開放場景，并進一步加快具身智能的演進與應用落地。

02  三維空間感知能力如何實現

      此前，機器人空間感知能力主要依賴導航定位、視覺與激光雷達等方案，有著明顯的不足：GPS信號無法在室內環境中穩定接收；UWB（超寬帶）、藍牙等室內定位技術需提前布設基礎設施，部署過程復雜且成本高昂；視覺與激光雷達方案泛化性弱，難以應對多變復雜環境，導致機器人在導航過程中頻繁出現感知誤差、定位失準甚至作業停滯。

       智能三維感知和重建則通過激光雷達、深度相機、IMU等多傳感器融合的方式，賦予機器人實時構建環境三維模型、精準定位及動態避障的能力。

       徐威介紹說，這項技術的難點主要在于多傳感器融合。如果把機器人比作人類，大腦能自然整合來自眼睛、耳朵和身體的各種感知信息，但機器人卻要靠攝像頭、深度傳感器、IMU等“器官”，再通過算法統一到“腦中地圖”里。這些傳感器采樣頻率不同、數據維度也不一樣，想讓機器人“看得懂、走得對”，就必須解決時間同步、空間配準、數據融合和實時建圖等一整套復雜問題。

        李陳表示，該技術的難點在于多模態數據的融合問題，需解決傳感器時空同步、異構數據對齊及決策沖突問題。不同傳感器的數據存在時空錯位與噪聲干擾，相機、IMU、激光雷達等多傳感器數據因采樣頻率差異會導致融合失真。同時，復雜場景泛化不足，當前大部分訓練數據集中于工廠等標準化場景，而家庭、災害現場等非結構化環境任務成功率較低，動態光照、強磁干擾等仍挑戰3D重建準確性。

        除了技術難題，該項技術還面臨其他挑戰：成本控制（如高性能傳感器高成本）、材料與供應鏈不穩定、缺乏統一標準、用戶隱私顧慮以及生態配套不完善等難題。

        李陳表示，與國際領先技術相比，我國在中低端市場已實現國產化替代，且在結構光、雙目視覺等特定領域技術領先，本土企業已在工業檢測、支付系統等場景實現規模化應用，但基礎算法創新與高端傳感器、感光芯片等硬件研發仍需突破。高精度三維重建需強大算力支持，人形機器人、自動駕駛等領域所使用的高端ToF傳感器單價超千元，制約消費級應用。

轉載來源：《中國高新技術產業導報》2025年6月30日 第15版

報道記者：孫立彬