“留聲不如留影，留影不如留形。”這是留形科技（Manifold Tech）的口號。

在具身智能與數字化浪潮席卷的當下，音頻與二維影像已難以滿足物理世界向數字空間映射的深度需求。

尤其是對于行進中的機器人，或是需要精準復刻的現實場景而言，包含深度、尺寸與空間邏輯的三維“形”數據，是構建空間感知的基石。它既是數字世界的底圖，也是機器進入真實世界的“空間語言”。

依托在激光雷達（LiDAR）、SLAM（即時定位與地圖構建）及機器人導航領域的經驗積累，留形科技創始人秦佑銘、徐威等人帶領團隊走出了一條“算法驅動硬件輕量化”的道路。

他們用算法與系統工程能力降低對高成本硬件的依賴，把過去昂貴、笨重、強項目制的高精度三維能力，變成可規模化落地的工具與模組。

在這一理念驅動下，留形科技形成了雙線并行的技術版圖：

在三維重建領域，留形將測繪級能力下沉。推出 MindPalace（留形機）等手持掃描設備，面向林業調查、古跡保護、泛測繪、建筑家裝等場景，以更低門檻、更高效率的方式生產可交付的三維成果，讓“三維數據獲取”從項目制走向工具化、規模化。

圖 | 留形機器人部署全家桶 （來源：留形科技）

而在機器人領域，他們將自身定位為機器人的“海馬體”供應者。通過 Odin 系列模組為具身智能體提供穩定、連續、可重定位的空間感知與空間記憶能力，讓機器人在真實復雜環境中不“迷路”、不“失憶”，并能更自然地與語言與語義系統協同。

圖 | 留形產品Odin1 (來源:留形科技)

留形的技術也已在大型活動中參與機器人部署與場地三維建模，目前團隊正在探索更多真實世界的落地場景，解鎖更多空間智能的可能性。

近日，問芯與留形科技舒俊源博士進行了一場對話，圍繞團隊的產品線布局及其在空間智能與機器人感知領域的核心技術理念交換了見解。

以下是對話內容（有刪減，但未改變原意）：

從春晚舞臺走向樓梯間

問芯: 聽說今年春晚的機器人的扭秧歌表演使用了留形的產品。你們的技術為機器人提供了哪些支持？能否舉例說明具體細節？

舒俊源: 我們主要承擔的是春晚場地三維建模與部署底圖的生產工作：把現場空間一比一還原到數字世界，形成可用的三維底圖，用于機器人部署階段的定位與走位規劃。對于機器人而言，部署前的地圖質量決定了它在舞臺上的走位、站位、上場和退場是否“穩”、是否“準”、是否可復現。

問芯：既然談到了機器人，你能再舉一些具體的例子嗎？我們的產品具體能為機器人的行動帶來哪些改變？

舒俊源：我們看到很多服務機器人——送餐、酒店、外賣配送——仍主要工作在“二維平面”范式里，更多依賴輪式底盤在平整地面運行。一旦進入更復雜的真實空間，比如室內外穿行、存在臺階、起伏地面、窄通道、低特征長走廊等場景，傳統方案就容易出現定位漂移、重定位失敗或行為不穩定。

而留形的思路是：先把機器人最核心、最難的一層補齊——穩定的空間感知與空間記憶。這樣機器人在復雜場景里仍能保持高可靠的定位與避障能力，具備更強的連續性與可控性。我們也發布過一些演示視頻，比如機器人在辦公場景中自主遞送物品，替代重復的人力動作；以及在隧道等“低特征”環境中，依然能夠維持穩定建圖與定位能力——這類場景在真實機器人應用中非常普遍。

問芯：剛才提到的隧道場景，在技術開發中算不算是一種挑戰極限的場景？

舒俊源：是的，我們統稱為“退化場景”。比如狹窄樓梯間、長距離直道隧道等，都屬于傳統建圖與定位算法的“高風險區”。在長隧道中，結構特征高度重復，機器人雖在前進，但從傳感器觀測上有效信息量很低，傳統方法容易出現定位約束不足、漂移累積、回環難以形成等問題。

針對這些痛點，我們在多傳感器融合與系統工程上做了深度優化，形成更適配真實環境的魯棒方案。我們在這一領域投入了很大精力，因為退化場景并不是“少數極端”，而是機器人走向真實世界時繞不開的日常。

問芯：除了輔助具身智能，你們的技術在空間重建上也有很廣泛的應用。你們的技術與傳統的三維重建技術相比，有哪些獨特之處？

舒俊源：傳統測繪往往使用全站儀等設備做點對點測量，更多得到的是離散測量點的空間位置與距離信息；無人機傾斜攝影適用于室外大范圍測繪，但對室內環境、復雜遮擋、光照與作業限制等仍有天然邊界。這些方式在許多場景下時間成本高、交付鏈路重，往往只能以“項目制服務”方式提供，限制了終端用戶自己使用與規模化落地。

留形想做的是“反過來”：把測繪級能力下沉為人人可用的工具。今天使用我們的手持三維掃描設備，很多過去需要專業團隊長周期完成的工作，可以以更快的速度完成數據采集并形成可用成果。我們希望讓三維建模擺脫繁瑣的項目制模式——讓更多行業用戶真正用得起、用得順、用得出結果。

問芯：你們是如何實現在這么小的載體內，在如此短的時間內處理高密度的空間信息的？

舒俊源：核心是多傳感器融合：激光雷達、視覺相機、IMU 等協同工作。同時我們推出了 MindSLAM 多傳感器融合算法，通過時間同步、幾何一致性約束與魯棒估計，使系統在降低算力依賴的同時，獲得高密度、高效率與更穩定的建圖與定位能力。這既來自算法，也來自工程化的系統設計。

問芯：它就像“海馬體”一樣承擔了感知和記憶的功能。

舒俊源：沒錯。我們一直用“海馬體”做比喻：如果一個動物失去海馬體，會喪失方向感與空間記憶。機器人也一樣——沒有穩定的空間記憶，就難以在真實世界長期連續地行動。我們的目標是讓機器人獲得更可靠的空間感知與空間記憶能力，從而支撐導航、重定位、任務執行乃至更高層的語義理解與交互。

問芯: 近兩年來，主流媒體主要關注模型和算力。相比之下，你認為空間智能是否被低估？

舒俊源:空間智能與具身智能是緊密耦合的。模型解決“理解與生成”，空間智能解決“落地與行動”——機器人要真正進入真實世界，必須具備穩定的空間感知、持續建圖與可靠重定位能力。未來大模型與空間智能會深度結合：空間智能提供三維底圖與穩定狀態估計，大模型提供語義、規劃與交互能力，兩者共同構成具身智能的核心基礎設施。

讓每個人成為三維建模專家：兩條產品線的定位

問芯: 請介紹一下你們的產品體系。不同類型產品的核心用戶是誰？如何滿足他們的需求？

舒俊源:我們有兩條產品線：空間智能（MindPalace留形機）和機器人（Odin 奧丁之眼）。

MindPalace 用于三維建模與數字化底圖生產，應用涵蓋林業、礦業、建筑家裝、古跡保護，以及影視游戲等領域。它的成果也可以與頭顯設備如 Vision Pro、VR/AR 結合，形成更沉浸的空間體驗。隨著具身智能發展，MindPalace也被越來越多用于機器人任務的地圖構建、訓練真值獲取與快速部署。

機器人方向的主要產品是 Odin 系列：我們把它定位為具身智能體的“感知與記憶底座”，為機器人提供空間感知、空間記憶與重定位能力，并支持上層導航棧與語義能力更快落地。

問芯：我看我們最近推出了新產品 Q9000，它的價格做到了千元級別，這對于行業來說意味著什么？

舒俊源：傳統高端掃描設備普遍昂貴，且系統復雜，往往以項目制交付為主。我們推出 Q9000 的初衷，是讓操作更簡單，讓三維掃描真正成為終端用戶的生產力工具。

通過算法優化以及依托成熟的供應鏈體系，我們把價格打到更可普及的區間（萬元以內）。我們希望提升產品普適性：用更便捷的體驗和更可接受的成本，讓三維建模不再局限于高端專業領域，讓更多行業用戶能更低門檻地獲得可交付的三維成果。

問芯：既然價格降到了這個區間，背后肯定做了大量的成本優化。在優化過程中，我們舍棄了什么？

舒俊源： 核心邏輯是“算法主導降本”。過去某些能力需要依賴非常昂貴的高性能傳感器與復雜鏈路，我們通過多傳感器融合與系統設計，在可控硬件成本下依然獲得用戶最關心的核心體驗：系統穩定性、抗退化能力、賦色一致性與快速建模效率。Q9000 主打工具屬性，覆蓋大量“需要快速、低成本獲得三維數據”的場景需求。

問芯：目前產品還有哪些可以進一步完善或提升的空間？

舒俊源：關鍵在于深入行業工作流，提供垂直細分能力。比如林業的樹高與特征標注、家裝的CAD測繪與一鍵出圖，以及橫截面測量、噪點處理、物體濾除等能力都在持續推進。我們的目標是把三維設備真正做成“像手機一樣好用”的工具：快速采集、快速處理、快速交付。

下一步，讓機器人“自主探索”

問芯：最近“世界模型”非常火熱，你認為它與你強調的“空間智能”有什么區別和聯系？

舒俊源：世界模型更多體現的是 AI 在邏輯推理和認知層面的能力，而我們更關注機器人在真實物理世界中行動所必需的三維空間底座能力。兩者的目標是一致的，都是讓機器人更好地理解世界，只是關注的層級不同。

我們強調的“空間智能”，是讓機器人在統一的坐標系中完成感知、定位、記憶與行動，把空間關系真正變成可計算、可執行的基礎能力。在這個基礎上，世界模型和大模型才能更有效地發揮作用，而不是停留在抽象推理層面。

問芯：在目前的機器人供應鏈中，我們是如何定位自己的？

舒俊源：我們把自己定位為具身智能導航與感知的核心賦能者。更準確地說，我們不做整機，而是專注為機器人提供最底層、也是最容易成為短板的一層能力——穩定的空間感知與空間記憶，相當于機器人的“眼睛”和“海馬體”。
只有把這一層補齊，機器人才能在真實復雜環境中做到看得清、記得住、走得穩，從而更快、更可靠地進入真實行業與家庭場景。

問芯：關于機器人行業，有專家認為明年將是“篩選年”，行業的泡沫是否會破裂將見分曉。作為從業者，你的體感是怎樣的？

舒俊源：我認同“篩選”會發生，而且這本身是一個必然、也是健康的過程。過去兩年，很多效果可以在 Demo 環境中實現，但一旦進入真實場景——光照變化、動態人群、狹窄通道、重復結構、粉塵與遮擋——差距就會被迅速放大。

行業正在從“能動”走向“能長期穩定地動”。在這個階段，穩定可靠的空間感知與空間記憶能力會從“加分項”變成“生存項”。無論最終哪家整機公司脫穎而出，對高質量、可規模化落地的空間能力的需求只會越來越強。

問芯：這么看來，你們受到的行業波動影響，是否會比那些處于下游的整機企業要小一些？

舒俊源：某種程度上是的。因為我們提供的是共性底座能力，而不是某一類機器人的單點功能。整機路線會分化，但空間感知與空間記憶幾乎是所有具身智能體都繞不開的能力。從人形、四足到輪式機器人，從巡檢、倉儲到室內服務，只要需要在真實空間中長期運行，就離不開穩定定位、持續建圖和可靠重定位。

我們也通過“模塊 + 軟件棧”的方式，把這些能力做成可復用的工程體系，幫助客戶更快落地。目前我們已經服務了近兩百家機器人客戶，其中也包括多家行業頭部企業。對我們來說，行業進入篩選期并不意味著需求收縮，反而意味著客戶更愿意為真正可靠的底座能力買單。

問芯：關于機器人感知領域，你認為接下來的發展趨勢是什么？

舒俊源：趨勢非常清晰：機器人正在從“先建圖、后規劃”的預設模式，走向真正的自主探索。也就是說，不再依賴提前掃描好的環境，而是在陌生空間中邊走邊感知、邊定位、邊決策，持續形成并更新自己的空間認知。這意味著感知系統必須更加穩定、連續，并能夠長期工作在真實環境中，而不僅僅是在理想條件下完成一次性任務。

問芯：從被動輸入轉向主動探索，這個跨越需要哪些技術方向上的關鍵改進？

舒俊源：核心有兩個方向。第一是極穩定、跨場景適用的空間感知與空間記憶能力，這是所有自主探索能力的底座；第二是語義理解能力，讓機器人不僅知道“哪里能走”，還知道“應該如何完成任務”，比如識別門、樓梯、通道等具有行動意義的空間要素。

我們最近開源的 Odin-Nav-Stack，就是基于 Odin 穩定感知和空間記憶能力，結合快速發展的大模型，在工程層面做的一些探索，希望能為業界提供可參考的實現路徑。

問芯：隨著新品的推出，留形科技下一階段在技術、商業或生態建設上的目標是什么？

舒俊源：在技術層面，我們會持續增強機器人在真實世界中的空間感知與空間記憶能力，并與語義能力結合，推動從基礎導航走向更復雜的交互任務閉環。同時，我們也在打通“留形機 + Odin”的協同體系，為具身智能提供覆蓋建圖、部署、定位、感知的一體化解決方案，幫助合作伙伴更快完成落地。

在商業與生態層面，我們希望服務更多機器人客戶，實現從小批量試產到規模量產的跨越，并拓展到更廣泛的“泛機器人”領域，如智能割草機、智能叉車等。我們始終相信：具身智能的規模化落地，離不開穩定可靠的空間能力，而留形希望成為那個把機器人真正帶進真實世界的核心賦能者。