从看见世界，
到理解空间。
一张空间智能学习总结卡。梳理三维视觉、空间智能四大能力、Lux3D 与 3DGS 实践路径，以及从 Demo 到用户验证的思考。
空间智能的四大能力
课程内容可以组织为四个方向。点击卡片查看各自的输入、输出和不能直接推出的能力。
空间智能不只是“看懂画面”，还涉及理解三维结构、生成空间内容，以及根据环境反馈采取行动。
输入：多视角照片或视频。输出：点云、网格、3DGS 等表示。
边界：重建的视觉外观不自动意味着高精度测量、碰撞检测或完整可编辑几何。
SfMCOLMAP3DGS从原理到作品的一条技术路线
不是每个作品都必须走完整条路径。关键是先确定要解决的问题，再选择需要的空间能力与工具。
独立 3D 资产
Lux3D 生成 → 检查白模与贴图 → 多视角核对 → 导出 GLB → three.js 展示。
真实空间采集
设计拍摄路线 → 保证视差和图像重合 → Aholo Reality 重建 → 检查缺口 → Viewer 展示。
这阶段最值得记住的三句话
学技术容易陷入“看上去实现了”。真正有用的是能够准确说清它已经做到什么、还没有做到什么。
逼真 ≠ 准确
3DGS 可以非常适合视觉浏览，但不自动具备可靠尺度、网格拓扑、碰撞或工程测量精度。
先检查任务所需的数据动画 ≠ 智能行动
识别杯子并不等于能抓起杯子；路径动画也不是自主导航。应核对观察、动作和状态反馈。
先验证动作闭环Demo ≠ 产品价值
技术能运行，不代表用户需要。需要提出清晰假设，邀请目标用户独立操作并记录真实结果。
用用户行为而非口头评价验证我的阶段学习总结
下面是一段可以直接放进 Lumi Lab 的反思文字。它描述已整理的知识，没有声称完成尚未验证的技术实践。
从“让 AI 生成三维”，到“判断三维能力是否真的有用”
这轮学习让我逐渐建立起对空间智能的整体认识。它不只是让 AI 在图片里认出一个物体，而是让机器理解物体在哪里、不同视角如何对应、空间中的结构关系是什么，以及动作发生后环境怎样改变。
我开始用四个方向组织这套知识：空间重建负责还原已有场景，空间理解负责识别物体与关系，空间生成负责创造新内容，空间行动则把感知、决策、执行和反馈连成闭环。它们不是固定顺序的步骤，而是根据任务组合使用的能力。
在 3D 视觉与重建部分，我理解了相机、焦距、视差、多视角匹配、COLMAP、VGGT，以及点云、Mesh 和 3DGS 等概念。最重要的认识是：看起来真实的空间，不一定拥有可靠的几何精度。 技术选型必须回到用途。如果目标只是浏览空间，需求与需要进行碰撞、编辑或测量时完全不同。
Lux3D、Aholo 与 3DGS 手机采集的课程让我看到一条清晰的实践路径：从生成资产、检查几何与材质，到导出 GLB、接入网页，或者通过多视角采集重建真实场景。这里的关键不是生成得快，而是知道怎样检查、怎样排错、怎样保留过程记录。目前这些是我已经整理的操作方法，真实的工具熟练度仍需要通过实践建立。
空间行动和多智能体模拟进一步提醒我：角色走动的画面不等于自主决策。只有实际更新了环境状态，下一轮又利用新的观察作出选择，才能开始讨论行动闭环。至于从 Demo 走到产品，更需要明确用户是谁、要完成什么、怎样判断体验真正有用。
接下来，我想先完成一个小而完整的验证：生成一件原创三维资产，把它放进能旋转查看的网页，为用户设计一个明确任务，再记录他能否独立完成。这次学习对我最大的改变，是开始从“做出了什么效果”，转向追问“能力边界是什么、结果怎样验证、用户为什么需要”。
下一步：把知识变成一次真实验证
下面是建议的实践检查清单。勾选状态只记录你主动确认的进度，不会因为阅读过课程就自动完成。
一个小作品的五个验收点
我的产品验证假设
我假设 〔具体用户〕 会因为 〔明确的体验价值〕，而 〔做出可观察的行为〕。
需要保存的证据
模型输入与参考图、几何和贴图检查截图、网页链接、用户操作反馈、失败现象与修改记录。