近日，智元牽頭聯合清華大學、麥吉爾大學完成的研究成果MANSION成功入選CVPR2026。該成果在全球首次提出面向整棟建筑的語言驅動多樓層3D場景生成框架，構建大規模場景生態系統，為具身智能落地復雜現實環境打造關鍵“數字試驗場”。

當機器人在醫院跨樓層運送物資、在寫字樓完成多樓層配送、在家庭執行跨空間家務，這些長時程、跨樓層任務，正是具身智能走向現實的核心考驗。當前行業研究場景仍停留在“單層樣板間”，與真實世界需求存在顯著斷層。

近年來，機器人感知、操作、導航能力快速提升，但場景基準嚴重滯后。真實掃描數據成本高、難編輯；現有合成環境多為單層布局，缺少樓梯、電梯、跨層連接等關鍵結構，無法支撐跨樓層、長時程復雜任務訓練。

場景研究停留在“樣板間時代”，已成為制約具身智能走向現實的核心瓶頸。構建可交互、可配置、貼近真實的樓宇級研究平臺，成為行業迫切需求。

為破解行業難題，該團隊創新推出MANSION混合框架，融合多模態大模型與幾何求解器，實現從自然語言指令到完整多樓層3D建筑的端到端生成。

區別于簡單房間拼接，MANSION從建筑全局邏輯出發：先規劃整棟樓功能分區、垂直交通與整體風格，再逐層生成拓撲結構與房間布局，通過幾何求解生成符合物理約束的平面圖，最終生成可直接在仿真器運行的交互式3D場景。框架從源頭保證樓梯、電梯、跨層結構對齊合理，生成建筑連貫可用。

基于MANSION，團隊發布MansionWorld數據集：包含1000+棟多樓層建筑、2—10層、10000+房間，覆蓋住宅、辦公、醫院、學校、商超等全場景，支持導出至Blender、NVIDIAIsaacSim等平臺，全面賦能全球研究。

公開資料顯示，CVPR是計算機視覺領域全球頂級會議，MANSION的入選，標志著學術界對這項工作的創新性與價值的認可。從單層到多層、從靜態到可編輯、從“仿真場景”到“真實任務世界”，MANSION不僅是技術突破，更重新定義具身智能研究方向，即讓技術扎根真實需求，服務產業落地。

智元機器人表示，未來將持續深耕具身智能核心技術，開放MansionWorld數據集與生態能力，攜手全球產學研伙伴，推動通用機器人走進樓宇、家庭、醫院、商場等復雜現實場景，以持續創新打造中國機器人全球技術名片。