ABot-Earth 0.5: Modelo 3D Generativo da Terra
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
Resumo
Apresentamos o ABot-Earth 0.5, um framework generativo 3D projetado para sintetizar ambientes 3D vastos e contínuos a partir de imagens de satélite onipresentes e com referência geoespacial. Para isso, propomos um novo modelo generativo formulado diretamente com a representação 3D Gaussian Splatting (3DGS). O modelo é treinado em um corpus diversificado de reconstruções urbanas do mundo real existentes, aprendendo a gerar geometria e texturas realistas. Na inferência, ele sintetiza novas cenas 3D condicionadas exclusivamente a imagens de satélite a uma taxa escalável de menos de 10 minutos por quilômetro quadrado, demonstrando realismo excepcional. O framework é projetado para acessibilidade, com estruturas hierárquicas de nível de detalhe (LOD) integradas que permitem visualização interativa em tempo real em mecanismos de mapas baseados na web. Esse sandbox de simulação de alta fidelidade mitiga efetivamente a lacuna domínio sim-para-real, viabilizando aplicações críticas downstream de IA incorporada, como navegação de UAV em malha fechada. Ao fornecer uma solução de custo ultrabaixo e alta eficiência, o ABot-Earth 0.5 reduz significativamente as barreiras técnicas e financeiras para a reconstrução 3D em larga escala e capacita o futuro da visualização global da terra 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.