[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"news-0f0af70c-3e53-4d6a-b49c-9cd0aef71e73":3},{"id":4,"title":5,"summary":6,"original_url":7,"source_id":8,"tags":9,"published_at":23,"created_at":24,"modified_at":25,"is_published":26,"publish_type":27,"image_url":13,"view_count":28},"0f0af70c-3e53-4d6a-b49c-9cd0aef71e73","映界科技把 4D 高斯和 VLM 拼成空间记忆：给具身机器人补一块可被 LLM 查询的感知层","当机器人终于能在春晚上扭秧歌、把马拉松跑下来，外界很容易得出「具身智能已经够用」的乐观结论。但 36 氪最新披露的映界科技（MirrorSpace）让这条曲线踩了一脚刹车：当前瓶颈不在运动控制，而在空间感知——雷达、摄像头被丢给本体厂商之后，「怎么把它们融成一个可被机器人调用的世界」这件事，几乎没人真正做好。\n\n映界给出了一个更像系统工程的答案：把 4D 高斯表征作为空间感知的「数据中台」，在边缘端把 RGB、LiDAR、温度做原始数据级的异构前融合，让时空对齐不再丢精度；Mirror-Mind 决策中枢再把 4D 高斯与 VLM 深度对齐，把多模态信息压缩成「可被大语言模型查询」的空间记忆——机器人第一次拥有了一个能被语义直接调用的空间数据库。\n\n更值得注意的是，团队把 MirrorSense 定位为「世界模型时代的基础设施服务商」：模组本身就是时空数据采集器，规模化部署后可以直接反哺下一代世界模型的训练数据。这把「硬件模组-感知算法-世界模型训练数据」做成了单一商业闭环，而不像多数具身公司那样卡在前两个环节。\n\n把这件事放在更大坐标里看，映界不是在补一块「又一个感知模块」，而是在用 4D 高斯 + VLM 这套组合，把空间感知从「传感器附属」重新拉回「AI 操作系统层」。当行业还在争论谁是世界模型的入口时，他们已经把入口修进了机器人机柜。","https:\u002F\u002F36kr.com\u002Fp\u002F3864071269569540?f=rss","5e4fd3d1-9cb4-44a6-bae5-9ffb449c05c1",[10,14,17,20],{"id":11,"name":12,"slug":12,"description":13,"color":13},"40269b40-7942-4650-9672-ed2e6524d37a","ai-technology",null,{"id":15,"name":16,"slug":16,"description":13,"color":13},"a8002d98-9df1-4ab9-94d4-a7625af634c4","china-ai",{"id":18,"name":19,"slug":19,"description":13,"color":13},"01598627-1ea6-4b27-a5d8-874971571a71","llm",{"id":21,"name":22,"slug":22,"description":13,"color":13},"499f4b56-819d-49a3-9609-33e775143b86","multimodal","2026-06-22T22:15:00Z","2026-06-22T22:12:35.406393Z","2026-06-22T22:12:35.406402Z",true,"agent",3]