物理AI突破3D世界弱网传输瓶颈，江行智能 CAGS 实现高保真实时三维空间流

物理AI突破3D世界弱网传输瓶颈，江行智能 CAGS 实现高保真实时三维空间流

刷视频时网络卡顿，播放器会降清晰度——画面“糊”一点，总比卡在原地强。

但如果把场景换成一个可自由探索的3D世界呢？用户看到的不是固定机位的2D画面，而是一个可以转头、移动、靠近观察的立体环境；服务端不仅要判断网络状况，还要预测用户下一秒会看向哪里。

机器人远程接管、工业巡检、实时数字孪生、生态监测——这些场景都依赖一种能力：把远端真实世界变成低延迟、高保真、可交互的3D世界流。

但这里有一个“不可能三角”：画面要保真，数据量就小不了；工业现场网络常常不稳定，数据量大就传不动；要想在弱网下传得动，就得狠压数据、牺牲画质，而远程操作所要求的低延迟，还在进一步压缩腾挪的余地。

顾住任何一头，另外两头就要付出代价。

近日，江行智能参与的联合研究成果CAGS（Color-Adaptive Volumetric Video Streaming with Dynamic 3D Gaussian Splatting）被计算机图形学顶级会议 SIGGRAPH 2026 收录。论文针对远程临场、生态监测、机器人远程操作等实时三维物理环境接入场景，提出了一套面向动态3D高斯喷溅（3DGS）的颜色自适应体积视频流系统。

在波动带宽下，CAGS相比已有自适应流媒体系统取得5–20 dB的PSNR提升，且解码速度远超现有可扩展高斯压缩方法。

#1一个“不起眼”但致命的问题

过去几年，3D Gaussian Splatting（3DGS）解决了如何高质量、实时渲染3D世界。但当3DGS从本地渲染走向在线传输，瓶颈变了——服务端不只是渲染场景，还需要把不断变化的3D表示传给用户；用户端也不是只接收一帧图像，而是要在自己的视角下实时解码和渲染。

传统自适应流媒体靠删除部分高斯（密度型LoD）来降低码率。但每个高斯同时承载局部几何、颜色、透明度和视角相关外观——删得太狠，场景结构可能直接“断掉”。低码率下，密度型LoD会引入可见空洞和严重质量退化。

CAGS论文发现了一个关键规律：用向量量化（VQ）压缩高斯属性时，结构基本保留，但颜色容易失真。而颜色失真可以通过一张低分辨率参考图在渲染后的图像空间修正。

策略可以提炼为一句话：先保住结构，再把颜色救回来。

#2面向物理 AI 场景：江行智能的三重技术解法

作为一家专注于物理AI的科技公司，江行智能的科研团队将这一洞察转化为一套多媒体-网络-图形学深度融合的系统。

第一重：可扩展向量量化（SVQ）

将高斯属性组织成基础层和增强层。基础层保证低码率下可播，带宽允许时逐步叠加增强层，补回质量。CAGS的SVQ在解码延迟上比现有可扩展压缩方法低数百倍，极为适合实时流媒体场景。

第二重：后渲染视角对齐（PRPA）

服务端根据预测视角提前渲染低分辨率参考图，但用户实际视角可能偏移。PRPA利用客户端本地渲染的深度图，将参考图重投影到真实视角，再通过误差腐蚀消除遮挡伪影，使颜色恢复始终准确。

第三重：自适应视野（Adaptive FoV）

预测误差可能导致参考图覆盖不足。CAGS借助轻量LSTM模型，动态调整参考图视野范围——预测不准时扩大视野保证覆盖，预测准确时缩小视野提高像素密度。

#3物理 AI 时代基础设施革新：从Video Streaming到World Streaming

移动互联网时代，视频流成为最重要的信息基础设施之一。YouTube、Netflix、抖音、快手背后，本质上都依赖一层成熟的Video Streaming Layer：视频可以被编码、压缩、传输、缓存、播放，并根据网络条件自动调整质量。

具身智能需要一层类似的东西，只是传输对象从二维画面换成了真实物理空间。

机器人远程接管、工业巡检、实时数字孪生、世界模型训练——背后是同一个需求：把远端真实世界变成低延迟、高保真、可交互、可学习的3D世界流。

物理AI时代需要一种新的基础设施层：World Streaming Layer。

这一层今天还没有现成的标准方案，而具身智能、实时数字孪生和机器人远程操作，正在一个接一个撞上它。它的核心问题是：在真实而不稳定的网络条件下，自适应地传输高保真的动态三维场景。

CAGS把这个问题落到了一个可研究、可实验、可度量的系统上。它把动态3DGS从渲染表示推进到网络传输和系统部署层面：3DGS负责把世界表示出来，CAGS负责让这个世界在真实网络中流动起来。

#4从弱网到强网：始终保持稳定画质

CAGS在多种数据集上进行测试，覆盖人体动作、日常操作、手术场景等。在固定带宽下，PSNR、SSIM指标全面优于现有系统。在真实5G网络波动下，逐帧画质更平稳，避免了剧烈质量抖动——稳定性本身就是画质的一部分。

更重要的是，CAGS不依赖于特定的动态3DGS预处理方法，可兼容Dynamic 3DGS、4DGS、HiCoM等多种主流方案。这意味着江行智能的技术可以快速适配不断进化的3D世界表示。

#5物理 AI 技术落地闭环，从前沿论文到确定性生产力

过去，AI主要处理语言、图像和视频。下一阶段，AI要进入真实空间、真实设备、真实任务和真实生产系统。

当机器人部署规模扩大，真实世界数据、远程接管、现场复盘和实时数字孪生都会从可选能力变成基础需求。二维视频无法承载这种需求，原始三维数据又难以在真实网络中稳定传输。因此，在具身智能的软件栈中，一层新的空间流媒体基础设施正在变得不可回避。

CAGS就处在这个位置上。它在动态3DGS体积视频流这个具体切口上，验证了一种可行的底层机制：低码率下先保住空间结构，再用轻量参考信号恢复颜色，让动态三维场景在波动网络中保持可用。

5–20 dB的PSNR提升证明了它在波动带宽下的系统有效性；更重要的是，它把动态3DGS从“高保真渲染技术”，往“真实网络中的世界流媒体系统”推进了一步。

未来，江行智能将持续围绕世界模型、空间智能、边缘基础设施与具身执行闭环开展前沿探索，推动AI从“理解真实世界”进一步走向“接入真实世界、操作真实世界、优化真实世界”。

相关研究

CAGS: Color-Adaptive Volumetric Video Streaming with Dynamic 3D Gaussian Splatting. SIGGRAPH 2026 Conference Paper.