在人工智能与机器人技术深度融合的进程中，如何让机器从“看懂世界”转向“精准行动”，成为行业突破的关键瓶颈。传统视觉语言模型虽能识别物体、理解指令，却难以解决三维空间定位难题——机器人可以“看到”桌上的杯子，却无法判断杯柄的精确位置；能识别出操作目标，却无法规划机械臂的运动轨迹。这种“数字认知”与“物理执行”之间的断层，正被一款名为SpatialPoint的空间智能模型逐步填补。
由视启未来（深圳）科技有限公司联合清华大学、粤港澳大湾区数字经济研究院共同研发的SpatialPoint，通过融合RGB图像、深度信息与自然语言指令，构建了一套统一的空间推理框架。该模型将机器人执行任务所需的空间信息抽象为两类核心点位：实点（Touchable Point）对应物体表面可接触位置，如抓取杯柄、按压按钮；虚点（Air Point）则标记自由空间中的操作区域，如物体放置点、机器人导航路径。这种分类方式使复杂任务被简化为实点与虚点的组合，为机器人提供了通用的行动接口。
技术突破体现在四大创新维度。首先，模型在传统视觉输入基础上增加深度编码网络，通过RGB-D传感器获取的深度数据构建真实三维场景；其次，将图像、深度与语言信息纳入统一序列进行协同推理，避免多模块独立运算导致的误差累积；第三，直接输出结构化三维坐标，省去了传统方案中坐标转换的复杂流程；最后，通过实点-虚点任务分类，将抓取、放置、导航等动作统一为空间定位问题，显著提升系统泛化能力。以“将水杯从餐桌移至茶几中央，再导航至玄关”为例，SpatialPoint可一次性完成场景识别、空间关系计算与操作点匹配，而传统方案需依次调用视觉识别、抓取规划、路径规划等多个独立模块。
实测数据显示，该模型在实点任务中展现出显著优势：有效操作位置准确率达79%，三维距离预测误差仅17.2毫米，较纯RGB方案提升超30倍；在虚点任务中，模型训练3轮后方向识别正确率达50.71%，5厘米范围内定位成功率33.47%。这种精度提升直接转化为工业场景中的效率革命——在柔性抓取任务中，机器人可根据工件实际形态自主规划抓取点；在物流分拣中，系统能动态调整物品放置位置以适应不同包装尺寸；在人机协作场景中，机器人可实时感知人员位置变化并调整运动轨迹。
“SpatialPoint的价值不仅在于定位精度，更在于重构了机器人信息处理范式。”视启未来创始人张磊指出，传统工业机器人依赖固定工位与预设程序，面对产线变更时需重新编程调试，导致设备柔性不足。而SpatialPoint通过视觉感知与语言指令的动态解析，使机器人具备“现场理解”能力，可自主适应SKU更替、物料位移等变化。这种能力在粤港澳大湾区的产业环境中得到充分验证——该区域密集的电子制造、汽车装配、仓储物流场景，为模型提供了多元化训练数据，助力技术团队构建“模型-机器人-真实环境-数据反馈”的闭环优化体系。
目前，SpatialPoint已完成多场景机器人部署验证，其技术架构支持与各类机器人本体解耦。无论是机械臂、移动机器人还是人形机器人，只要配备RGB-D传感器，均可通过上层空间智能模块获得场景识别、指令理解与空间定位能力。这种“算法大脑+硬件本体”的协同模式，正在推动工业制造向柔性化、智能化转型。在某家电企业的产线改造中，搭载SpatialPoint的机器人实现了不同型号产品的混线生产，换型时间从2小时缩短至15分钟，设备综合利用率提升40%。
尽管技术突破显著，但从实验室到产业化仍面临挑战。张磊坦言，真实场景中的光照变化、物体遮挡、传感器噪声等问题，要求模型具备更强的鲁棒性；同时，需进一步优化计算效率以满足实时性要求。为此，团队正与制造业、物流业伙伴开展深度合作，通过真实场景数据持续迭代模型。在仓储物流领域，SpatialPoint已实现动态避障与多机协同导航；在零售服务场景中，机器人可根据顾客指令自主完成商品抓取与交付。这些应用不仅验证了技术的商业价值，也为物理人工智能的进化积累了关键数据。
随着技术成熟度提升，SpatialPoint的产业化路径逐渐清晰。团队计划通过模型API、SDK等方式输出基础能力，同时针对不同行业开发定制化解决方案。在工业制造领域，重点解决柔性抓取、精准装配等痛点；在仓储物流领域，优化动态分拣与路径规划效率；在零售服务领域，探索人机自然交互新模式。这种分层推进策略，正在构建连接基础模型、机器人平台与行业应用的生态体系，为物理世界智能化提供核心基础设施。
