高德发布首个无长程依赖的万帧级流式3D重建模型ABot-Recon，以12帧重建万帧3D场景
内容提要
高德发布首个无长程依赖的万帧级流式3D重建模型ABot-Recon，仅凭连续12帧画面即可实时重建上万帧3D场景。该模型通过局部位姿预测与残差优化，在精度、速度和显存上均优于现有方法，误差降低40.6%，显存仅6.71GB，支持单目RGB输入，适用于自动驾驶、具身智能等领域。
延伸解读
技术路径的转变：从长程记忆到局部预测
传统流式3D重建依赖长程记忆锚点来维持全局一致性，但序列越长，速度越慢、精度越差、显存越高。ABot-Recon摒弃这一思路，仅用最近12帧作为局部上下文，通过局部位姿预测和残差优化，使计算复杂度恒定，内存和单帧计算量不随视频长度增长。这一设计选择直接解决了长序列重建的瓶颈，为实时应用提供了可能。
性能提升的实际意义
ABot-Recon在精度、速度和显存上均有显著提升：平均轨迹误差较LingBot-Map降低40.6%，推理速度达24.45FPS，峰值显存仅6.71GB，约为同类模型的三分之一。这意味着消费级显卡（如GTX 1080Ti）即可运行，大幅降低了硬件门槛，使流式3D重建技术更易落地于自动驾驶、具身智能等实际场景。
应用场景与开源价值
ABot-Recon仅需单目RGB输入，无需深度传感器或已知相机参数，即可实现万帧级实时重建，适用于测绘行业的私域建图、底图更新，以及具身智能、自动驾驶和3D内容生产等领域。目前已在GitHub开源推理及评测代码和权重，并在魔搭社区上线体验专区，开发者可直接体验，有助于推动技术普及和二次开发。
Q&A
高德发布的ABot-Recon模型是什么？
ABot-Recon是高德发布的首个无长程依赖的万帧级流式3D重建模型，仅凭连续12帧局部画面即可实时重建上万帧的3D场景，实现“边拍边建”。
ABot-Recon如何解决传统流式3D重建中的误差累积和显存问题？
ABot-Recon采用“局部位姿预测+残差优化”的技术路径，摒弃长程记忆锚点，只以最近12帧作为局部上下文窗口，预测局部点云和相对位姿，使计算复杂度恒定，并通过纠偏和误差约束机制实时校准轨迹误差，从而解决误差累积和显存膨胀问题。
ABot-Recon在精度、速度和显存上的具体表现如何？
在精度上，ABot-Recon在Oxford Spires基准测试中平均轨迹误差较LingBot-Map降低40.6%，相对旋转误差低至0.12°；速度上，在KITTI-02测试中实现24.45FPS实时重建，推理速度是行业代表方法的1.24倍；显存上，峰值占用仅约6.71GB，约为同类模型的三分之一。
ABot-Recon适用于哪些场景？
ABot-Recon适用于测绘行业的私域建图与底图更新，以及具身智能、自动驾驶和3D内容生产等场景。
ABot-Recon的输入要求是什么？
ABot-Recon仅需单目RGB视频输入，无需额外深度传感器或已知相机参数。
ABot-Recon是否开源？在哪里可以获取？
ABot-Recon已在GitHub开源了推理及评测代码和权重，并在魔搭社区上线了体验专区。
