为让机器人在复杂环境中高效导航，麻省理工学院（MIT）的研究团队开发出一种新型AI系统，可快速生成高精度3D环境地图。在矿难搜救等紧急场景中，机器人需在短时间内处理成千上万张图像，构建完整地图并实时定位自身。传统方法受限于只能处理少量图像，而现有AI模型虽简化了实现，仍难以应对大规模场景。 MIT团队结合现代机器学习与经典计算机视觉技术，提出一种创新方案：不再一次性生成整幅地图，而是将环境划分为多个小区域，分别生成子地图，再将这些子地图智能拼接成完整3D结构。该系统在不依赖相机校准或专家调参的情况下，实现秒级重建，且误差低于5厘米。 关键突破在于解决子地图“形变”问题。传统方法通过旋转和平移对齐子地图，但AI模型生成的子地图常存在局部扭曲，导致对齐失败。研究团队借鉴20世纪80至90年代的几何建模方法，设计出一种更灵活的数学框架，能统一处理子地图的非线性变形，确保拼接精准。 该系统仅需手机拍摄的短时视频作为输入，即可在MIT教堂等复杂结构中生成接近实时的高精度3D地图。其速度和准确性优于现有方法，且具备“开箱即用”的优势，易于部署于实际场景。 该技术不仅可提升搜救机器人的环境感知能力，还可用于VR/AR设备的沉浸式空间建模，或工业机器人在仓库中快速定位货物。研究团队表示，理解传统几何原理对提升AI系统性能至关重要。该成果已提交至神经信息处理系统会议（NeurIPS），并获美国国家科学基金会、海军研究办公室及韩国国家研究基金会支持。项目负责人卢卡·卡尔罗内（Luca Carlone）在加入亚马逊前完成此项工作。未来，团队将致力于提升系统在极端复杂环境中的鲁棒性，并实现在真实机器人平台上的应用。