Niantic Spatial 发布 Gaussian Splat Relighting：让高斯泼溅场景"换天气"，给具身 AI 造可控训练环境
Niantic Spatial（Pokémon GO 背后的公司，现在主攻空间计算和具身 AI）在 9 月 18 日悄悄放出一个新能力：Gaussian Splat Relighting（高斯泼溅重光照，beta）。一句话解释：你用手机或无人机拍了一个高保真 3D 场景（高斯泼溅格式），这个工具能生成"同一个地方、不同天气/光照"的版本——白天变晚上、晴天变下雨——而场景里的几何、碰撞体、导航数据、语义标签全部原样保留。
这对做机器人仿真和具身 AI 的团队意义很大：以前高斯泼溅最大的痛点就是"光照被焊死"——扫描时是下午两点，整个环境就永远是下午两点，你没法让机器人在"雨天黄昏"的同一个场景里多跑几遍训练。这次 Niantic 把这条路打通了。
先给不熟的人科普一句：高斯泼溅（3D Gaussian Splatting，GS）是近两年最火的 3D 重建技术之一——用几十上百张照片把真实场景重建出可以实时漫游的高保真 3D 表示，比传统 mesh（网格建模）快得多、还原度高得多。现在做实景三维、数字孪生、机器人仿真，很多团队都绕不开它。
但它有个结构性缺陷：splat 的颜色是把当时的真实光照"烧"进数据里的。阳光角度、阴影、大气、天气，全是采集那一刻的静态外观，不是一个可以编辑的参数。这意味着：
- 想让同一个场景在不同光照条件下都可用？重新拍一遍。
- 想批量生成"同一地点、不同光照"的训练数据？拍不拍不完。
- 对具身 AI 来说，真实世界的变化（光照变化就是最重要的变化之一）无法低成本覆盖。
Niantic 发布的重光照能力是 beta，只开放给 select design partners（少数合作设计方），不是自助 API——定位是"早期协作能力"，让技术团队在真实环境里测试场景变化，并共同定义这个工作流下一阶段的样子。
技术上的关键判断是：重新光照时，几何本身保持不变，只重算每个高斯（splat）的球谐（spherical harmonics）外观系数来匹配新光照。带来的直接好处：
- 碰撞 mesh、导航 mesh、语义标签在变体之间原样携带，不用重新处理；
- 同一个场景的多个光照版本共享完全一致的空间和语义基础——这是重新拍一遍给不了你的连续性；
- 目标是把"一次采集"变成"一组可控光照变体"，给仿真和具身 AI 提供受控的场景变化。
这套方法不是凭空冒出来的。底层用的是预计算辐射传递（Precomputed Radiance Transfer，PRT）——图形学研究了几十年的技术。2024 年的 PRTGS 论文（arXiv:2408.03538）已经证明过：把 PRT 思路搬到高斯泼溅上，可以捕获软阴影、间接光照、互反射。
Niantic 这次的新增量是：把这条思路接进自家的 real-to-sim 管线，并做了离线批量生成的优化——一批高质量的重光照变体离线跑出来，而不是在线实时算。研究先例 + 工程优化，路线算清晰。
**有用的人：**
- 做具身 AI / 机器人仿真的团队：同一真实场景需要覆盖"晴天/雨天/白天/夜晚"等光照条件，这是核心卖点
- 实景三维 / 数字孪生方向需要"多光照版本"的场景库
- 想把高斯泼溅场景接入 sim 管线的团队
**不适用 / 注意：**
- 目前是 beta，仅限 select design partners，不是任何人可用的自助服务
- 它只改光照外观，不改变几何本身；不是"再拍一遍"的替代品，而是"一次采集多个光照版本"的增强
- 官方明确说是早期协作能力，工作流边界还会跟着合作方的反馈继续演进
- 别把它理解成"光照编辑软件"——它是 sim/embodied AI 数据管线的一环，服务目标是"受控变化的训练场景"，不是内容创作
- beta 阶段的能力范围和稳定性都会变，跟进官方 roadmap 和 design partner 的实际反馈
- PRT 类方法在极端光照场景（强逆光、镜面反射密集）下的表现仍是个开放问题，PRTGS 论文也提到过边界情况
本文基于 Niantic Spatial 官方博客 2026-09-18 公告（"Introducing Gaussian Splat Relighting"）与官方 Instagram 同题内容整理。