你让家里的服务机器人给阳台的花浇水，特意嘱咐“从左到右，每个花盆上方1-5厘米处浇”。
结果机器人要么把水浇到花盆外，要么离花太近溅一身泥这场景是不是很熟悉？家庭服务机器人走进生活的最大拦路虎，其实是“看不懂”真实空间里的各种规矩。
日常生活里的空间要求远比想象中复杂。
就拿浇花来说，“从左到右”是定性的位置约束，“1-5厘米”是定量的距离限制，机器人得同时搞定这两件事才能不出错。
家庭环境本来就乱。
遥控器可能压在杂志下，拖鞋东一只西一只，机器人面对的不是实验室里整齐的货架，而是随时变化的“随机场景”。
传统模型直接输出（x,y,z）坐标，就像蒙着眼睛扔飞镖，训练难、精度低，更别提理解“上方”“旁边”这些模糊但常用的空间词了。
正是这些痛点，催生出了RoboTracer。
它的核心任务很明确，生成带空间约束的3D位置序列，也就是“空间轨迹”，让机器人知道每一步该往哪动、动多远。
RoboTracer的“三维智慧”，如何让机器人“看懂”真实空间
RoboTracer的聪明之处，先从“看”开始。
本来想直接让模型学3D坐标，后来发现分开处理更高效，先算图像上的像素位置（u,v），再结合深度信息（d），最后用相机参数换算成真实世界的3D坐标。
这种解耦设计让训练难度降了不少，精度反而提上去了。
光看懂还不够，还得有“尺度感”。
你说“5厘米”，机器人得知道这到底多长。
RoboTracer里有个“尺度解码器”，专门把抽象的特征转换成具体数值。
比如看到一个杯子，它能估算出高度，再结合指令里的“5厘米”，就知道该离多远操作。
这种对“绝对尺度”的理解，是之前模型最缺的能力。
训练方法也有讲究。
团队分了两步走，先通过SFT（监督微调）让模型打好基础，学会单步的空间理解，比如“哪个物体在左边”“距离多远”，再用RFT（强化微调）加过程奖励，监督中间每一步的推理质量。
就像教孩子搭积木，不光看结果对不对，还要纠正每一步的摆放位置，这样复杂任务也能稳稳完成。
实际测试里，RoboTracer的表现挺亮眼。
在空间理解相关任务里，SFT训练后平均成功率接近八成，刷新了现有水平，加上RFT后，在专门的TraceSpatial-Bench评测中，准确率比Gemini-2.5-Pro高出36%。
最直观的是对比视频，别的模型生成的轨迹要么飘在半空，要么撞到花盆，而RoboTracer规划的路线能精准停在花盆上方5厘米，从左到右挨个浇过去，稳得像老手。
更重要的是它“开箱即用”。
不管是UR5机械臂还是G1仿人机器人，都能直接集成这个模型。
在开放世界测试里，只有RoboTracer能完成“先把书放到书架第三层，再把杯子放在书旁边10厘米处”这种多步空间任务。
家庭服务机器人市场需求一直很大，但技术总差临门一脚。
这次RoboTracer的突破，不是简单提升性能，而是找到了一种让机器人“理解真实空间”的新范式。
未来它不光能浇花、收纳，说不定还能帮老人取药、给孩子整理书包只要涉及空间操作，它都有可能派上用场。
当然，这只是开始。
模型还需要在更多复杂场景里打磨，比如应对光线变化、透明物体这些难题。
但至少现在，我们看到了服务机器人真正走进家庭的希望。
毕竟，能“看懂”空间的机器人，才算是真正有了“动手能力”。
热门跟贴