在映射、跟 踪、语义分割和新视角合成方面展示出了优于现有 的基于 NeRF 的 SLAM 方法的性能. Splat-MOVER[89] 成功地将 3D 高斯应用到具 身智能的场景表示中. 该方法通过可编辑的 3D 高 斯场景表示实现多阶段、开放词汇的机器人操作. Splat-MOVER 由三个主要模块组成: ASK-Splat、 SEE-Splat 和 Grasp-Splat. ASK-Splat

的自然语言处理和图像识别能力，能够自动识别并提取从设计图纸、 施工方案以及相关文档中的工程量数据。首先，模型能够处理 PDF、CAD 等格式的图纸文件，利用 OCR 技术将图像中的文字和 数字转换为可编辑的文本，并结合上下文语义分析，准确识别出材 料类型、规格、数量和单位等关键信息。例如，对于一张建筑平面 图，DeepSeek-R1 可以自动识别并提取混凝土、钢筋、砌体等材 料的工程量数据，并将其结构化存储。