Odyseus-Spatial-VLM

Odyseus Spatial VLM 是一个将视觉语言模型（VLM）与单目深度估计能力融合的空间感知系统，支持从自然语言指令和单张图像中联合推理出2D目标区域并生成对应3D空间坐标。其核心基于VLM理解语义指令、Depth-Anything-3（DA3）提供稠密度图，并通过深度采样与几何投影实现像素级到3D点云的映射，最终在Three.js中可视化目标位置、相机视锥与引导向量。适用于具身AI、机器人导航、AR交互等需将语言指令锚定至物理空间的场景。