让真实世界，成为机器可以理解和学习的空间

空间智能可以理解为机器对真实三维世界进行感知、重建、理解并采取行动的能力。它不仅要求 AI 识别"这是什么"，还需要理解"它在哪里、周围有什么、彼此是什么关系，以及如何在这个空间中行动"。其域创新关注其中非常基础的一环：如何把真实世界转化为具有尺度、视觉和空间关系的数字数据，并进一步提供给软件和智能机器使用。

三维扫描解决的是"如何把现实空间数字化"。其域创新在此基础上进一步关注数字空间如何被理解、组织、连接和使用。技术链路从 LiDAR、视觉和 SLAM 现实捕捉延伸至 3D 高斯泼溅、空间理解、数字孪生、实时引擎以及机器人仿真，形成从感知—重建—理解—生成的空间智能技术路径。

3D 高斯泼溅能够较高效地保留真实环境中的材质、光影和复杂视觉细节，相比完全依靠人工建模，可以显著降低高真实感环境重建的门槛。在 Real2Sim 工作流中，它可以与点云、Mesh 及其他空间数据结合，为仿真环境提供更丰富的现实世界信息。

需要根据机器人系统和具体任务区分。3D 高斯模型主要提供高真实感视觉空间表达；机器人导航通常还需要几何地图、可通行区域、碰撞信息、坐标系统和语义信息等数据。其域创新的价值在于可以从同一次真实世界采集中产生多种空间数据，并进一步为导航地图和机器人环境理解提供基础。

Real2Sim 强调从真实世界数据出发构建仿真环境。相比完全人工创建虚拟场景，它可以更高效地引入真实建筑结构、设备布局和复杂环境信息，帮助机器人和 AI 在更接近实际应用环境的数字空间中进行测试、验证和训练。

支持相关工作流。其域创新空间数据可以通过 USD 相关工作流进入 NVIDIA Omniverse，并进一步服务于 Isaac Sim 中的机器人仿真和 Physical AI 应用。

三维空间可以作为 IoT 信息的空间载体。设备 ID、位置、状态及传感器信息可以根据具体项目与真实三维资产建立关联，使用户能够从"查看数据表"进一步转向在真实空间中理解数据发生在哪里。具体连接方式取决于客户现有 IoT 平台和系统架构。

其域创新主要提供真实世界的空间数据基础和 Real2Sim 工作流。这些数据可以进一步服务于人形机器人、巡检机器人及其他具身智能系统的环境建图、空间理解、仿真和训练。机器人本体、运动控制和具身模型本身并非其域创新产品的主要能力边界。