Timeline

Spatial AI Timeline 2020-2026

Status: v1 — opinionated draft。给出 arXiv ID 的已核对；venue / date 凡标 UNVERIFIED 者皆未确认。 TL;DR: 六年从 NeRF 到 VGGT 拿 CVPR best paper。主弧：per-scene 优化（NeRF 2020）→ 实时可微分渲染（3DGS 2023）→ 一次过前馈 3D（DUSt3R 2023 → VGGT 2025）。其他线（depth foundation models、world models、消费 AR）都横切这条主轴。

把本文当回到手册的索引地图。条目刻意保持单行 —— 深度在 foundations/ / crossing/ / companies/。

---

ASCII 主轴

2020   2021   2022   2023   2024   2025   2026
  │      │      │      │      │      │      │
NeRF   DROID   DA-β   3DGS   DA-v2  VGGT   (consolidation)
  │      │      │      │      │      │
  │   COLMAP  Mip-    DUSt3R 4DGS   AVP
  │   +NeRF   NeRF    LERF   Genie  ships
  │           era            Cosmos π³
  │                          GS-SLAM       
  │
  前馈 3D 弧
  从这里起

主轴是 per-scene → 实时 → 前馈。横切线是 depth foundation models（DA 系）、world models（Genie、Cosmos、GAIA、Marble）、消费 AR 试验场（Vision Pro）。

---

2020 — 起点

发布	一行话：为什么重要
NeRF（Mildenhall et al., ECCV 2020）— https://arxiv.org/abs/2003.08934	体渲染神经网络证明：单个 MLP 能从带位姿图像里编码 3D 场景。开启 per-scene 优化时代。
D-NeRF（Pumarola et al.）— https://arxiv.org/abs/2011.13961	把 NeRF 延伸到动态场景；走向 4D 的第一条裂缝。

整个领域的现代弧都从 NeRF 下来。下游血脉见 foundations/3dgs-family/。

---

2021 — 管道成熟

发布	一行话
DROID-SLAM（Teed & Deng, NeurIPS 2021）— https://arxiv.org/abs/2108.10869	学习式密集 bundle adjustment 在精度上匹敌经典 SLAM。这个架构模式四年后进入 VGGT。
COLMAP + NeRF workflow 成熟 UNVERIFIED — 无规范论文	事实上的「数据预处理」配方：COLMAP 出位姿、NeRF 渲染。两年内每篇 NeRF 论文都假设它。
Plenoxels（Yu et al., CVPR 2022 但 2021 末 arXiv）— https://arxiv.org/abs/2112.05131	无 MLP 的体素网格神经场；比 NeRF 快 100×。3DGS「显式原语」哲学的先声。
Instant-NGP（Müller et al., 2021 arXiv → SIGGRAPH 2022）— https://arxiv.org/abs/2201.05989	Hash 编码 + 小 MLP；几秒训出一个 NeRF。把 NeRF 从「研究专属」推到「工程可部署」。

---

2022 — Depth foundation models 起头

发布	一行话
Mip-NeRF 360（Barron et al., CVPR 2022）— https://arxiv.org/abs/2111.12077	无界场景 + 抗锯齿。设下 3DGS 必须翻越的质量线。
Depth Anything（β 血脉 / MiDaS v3） UNVERIFIED — DA-v1 前精确时间	相对深度基础模型在分布外场景达到可用质量。「从单图取深度」时代开启。
BEVFormer（Li et al., ECCV 2022）— https://arxiv.org/abs/2203.17270	多相机 → BEV feature volume。Tesla 在产品里做的事的学术版。见 companies/tesla_occupancy.md。
Tesla AI Day 2022 —— Occupancy Network 揭示	首次公开看到车队规模量产化 BEV 占据。

---

2023 — 3DGS 年 + 前馈弧起跑

发布	一行话
3D Gaussian Splatting (3DGS)（Kerbl et al., SIGGRAPH 2023）— https://arxiv.org/abs/2308.04079	NeRF 质量下的实时可微分渲染。几乎一夜替代 NeRF 成为默认表征。见 foundations/3dgs-family/。
DUSt3R（Wang et al., 2023 arXiv → CVPR 2024）— https://arxiv.org/abs/2312.14132	前馈图像对 → 3D pointmap，无 SfM。VGGT 架构的祖先。
LERF（Kerr et al., ICCV 2023）— https://arxiv.org/abs/2303.09553	语言嵌入辐射场。语义 3D 道开启；见 foundations/semantic-3d/。
SpatialVLM（Chen et al., 2023 末 → 2024）— https://arxiv.org/abs/2401.12168	输出空间 caption 的 VLM；开启「VLM 隐式 3D」押注，PI 后来落地。
GAIA-1（Wayve, 2023）— 见 companies/wayve_world_model.md	驾驶用的生成式视频 world model。AD world-model 第一个正经部署故事。

---

2024 — 整合 + world model 浪潮

发布	一行话
Depth Anything v2（Yang et al., NeurIPS 2024）— https://arxiv.org/abs/2406.09414	上量产的深度基础模型。「单目深度差不多解决了」的拐点。
4D Gaussian Splatting（多组，2024）UNVERIFIED — 规范引用有争议	时延伸的 3DGS。动态场景终于能实时渲染。
GS-SLAM 血脉（多组）UNVERIFIED — 规范引用	把 3DGS 作为 SLAM 地图表征。把前馈 3D 桥到实时建图。
Genie（Bruce et al., 2024）— https://arxiv.org/abs/2402.15391	从无标签视频生成可交互环境。「world model as gym」血脉。
NVIDIA Cosmos 宣布 — 见 companies/nvidia_cosmos.md	Tokenizer + world model 平台；NVIDIA 在栈的 world model 层上押注。
MASt3R（Leroy et al., 2024）— https://arxiv.org/abs/2406.09756	DUSt3R + 匹配。前馈 3D + correspondences；为 VGGT 铺路。
Marble (World Labs) 上线 — 见 companies/world_labs.md	消费级 3D 场景生成成产品。
π0（Physical Intelligence, 2024）— 见 companies/physical_intelligence.md	VLA 作产品首秀；「RGB-only VLM 隐式 3D」押注在规模上跑起来。
3D-VLA（Zhen et al., ICML 2024）— https://arxiv.org/abs/2403.09631	对立押注：显式体素 tokens 进策略。见 bridge-to-vla/feature-cloud-to-action.md。
GAIA-2（Wayve, 2024）— 见 companies/wayve_world_model.md	更大 context + 多相机；AD world model 命题成熟。

---

2025 — VGGT、AVP、π³

发布	一行话
VGGT（Wang et al., CVPR 2025 best paper）— 见 crossing/slam-vio-migration/vggt_vs_drone_vio.md	前馈 transformer 一次过出位姿 + 深度 + pointmap + tracks。CVPR best paper 印证血脉。
Apple Vision Pro 量产 — 见 companies/apple_vision.md	消费级空间计算量产；inside-out 追踪 + 手部追踪 + 持久锚点都能上线的证明。
π³ streaming 变体（Physical Intelligence, 2025 UNVERIFIED — 名称/日期）	流式前馈变体；要盯的是度量感知的前馈 3D 血脉。
π0.5（Physical Intelligence, 2025 UNVERIFIED）	π0 + 规模 + 数据迭代。RGB-only VLA 继续奏效。
Skydio X10 上线 — 见 companies/skydio.md	主动立体 + IMU + 设备端 NN 在消费 + 防务规模上。市面上最干净的量产空间 AI 栈。

---

2026 — 整合年（至 2026-05）

发布	一行话
Cosmos-1.1（NVIDIA）UNVERIFIED	World model + tokenizer 平台迭代；等独立 benchmark。
继续的 VGGT distillation 工作 UNVERIFIED — 多组	比赛把 VGGT 类延迟压到 <20 ms；这就是无人机翻盘的解锁。见 crossing/slam-vio-migration/vggt_vs_drone_vio.md §7。
ARKit + 空间锚点 SDK 成熟（Apple）	更多应用上线；尚无机器人级 SDK 发布。
（Open watchlist）Tesla model card 发布	截至 2026-05 未发生。若发生，“occupancy network” 从传说升至可验证。

2026 的读法是「整合，不是革命」。2023-2025 大架构动作在产品化；下一拐点很可能是 (a) 度量感知前馈 3D 或 (b) 显式 3D VLA 在头对头中击败 PI 的 RGB-only 押注。

---

怎么读这条 timeline（带走什么）

啥都不记，至少记住	为什么
2020 NeRF → 2023 3DGS → 2025 VGGT	组织整个领域的那条单弧。Per-scene 优化 → 实时渲染 → 前馈推理。
深度基础模型是独立弧	单图单目深度现在是量产级。影响每种形态。
World models 是第三条弧	Genie / Cosmos / GAIA / Marble 各挑不同下游应用。不要混。
公司把血脉产品化滞后论文 18-24 个月	Skydio、Apple、Tesla、PI 上线的架构，学术起源都比它们早 1-2 周期。
航拍是每种方法最严苛的测试	一个方法若在竞速无人机延迟 + 规模下能上线，到哪都能上线。见 crossing/slam-vio-migration/。

---

Boundary

这是 timeline 索引，不是 deep dive。每条都链入对应的 foundations/ / crossing/ / companies/。忍住在内联加评论的冲动 —— 那是链入文件的工作。也忍住每篇论文都加的冲动 —— 本文是脊柱，不是 bibliography。

---

按日期顺序追加（年内最新在上）。Moltbot 可追加新行；不要编辑已有行。