ChatPaper.aiChatPaper

ABot-Earth 0.5: Modelo Generativo 3D de la Tierra

ABot-Earth 0.5: Generative 3D Earth Model

June 8, 2026
Autores: Ming Qian, Tianjian Ouyang, Mingchao Sun, Zijian Wang, Jincheng Xiong, Jiarong Han, Yongchang Zhang, Jiawei Zhang, Xu Wang, Yu Liu, Luyang Tang, Fei Yu, Zengye Ge, Mengmeng Du, Yuan Liu, Nianfei Fan, Song Wang, Yingliang Peng, Chunxue Jia, Yang Liu, Shiying Zeng, Haozhe Shi, Junnan Lai, Hongyu Pan, Zheng Wu, Ning Guo, Mu Xu, Hang Zhang
cs.AI

Resumen

Presentamos ABot-Earth 0.5, un marco generativo 3D diseñado para sintetizar vastos entornos 3D continuos a partir de imágenes satelitales geoespacialmente referenciadas de ubicación ubicua. Para lograrlo, proponemos un novedoso modelo generativo formulado directamente sobre la representación de 3D Gaussian Splatting (3DGS). El modelo se entrena con un corpus diverso de reconstrucciones urbanas reales existentes, aprendiendo a generar geometría y texturas realistas. Durante la inferencia, sintetiza nuevas escenas 3D condicionadas únicamente por imágenes satelitales, a una tasa escalable de menos de 10 minutos por kilómetro cuadrado, demostrando un realismo excepcional. El marco está diseñado para ser accesible, con estructuras integradas de nivel de detalle (LOD) jerárquico que permiten la visualización interactiva en tiempo real en motores de mapas basados en web. Este arenero de simulación de alta fidelidad mitiga eficazmente la brecha simulación-realidad (sim-to-real), lo que permite aplicaciones críticas posteriores de IA encarnada, como la navegación en lazo cerrado de UAV. Al proporcionar una solución de costo ultrabajo y alta eficiencia, ABot-Earth 0.5 reduce significativamente las barreras técnicas y financieras para la reconstrucción 3D a gran escala y potencia el futuro de la visualización global de la Tierra digital.
English
We present ABot-Earth 0.5, a generative 3D framework designed to synthesize vast, seamless 3D environments from ubiquitous, geospatially referenced satellite imagery. To achieve this, we propose a novel generative model formulated directly with the 3D Gaussian Splatting (3DGS) representation. The model is trained on a diverse corpus of existing real-world urban reconstructions, learning to generate realistic geometry and textures. At inference, it synthesizes novel 3D scenes conditioned solely on satellite imagery at a scalable rate of under 10 minutes per square kilometer, while demonstrating exceptional realism. The framework is designed for accessibility, with integrated hierarchical level-of-detail (LOD) structures that permit real-time, interactive visualization on web-based map engines. This high-fidelity simulation sandbox effectively mitigates the sim-to-real domain gap, enabling critical downstream Embodied AI applications like closed-loop UAV navigation. By providing an ultra-low-cost and high-efficiency solution, ABot-Earth 0.5 significantly lowers the technical and financial barriers to large-scale 3D reconstruction and empowers the future of global digital earth visualization.