想象机器人推着摄像头穿过一栋楼：它不能等拍完再建模，而要一边走、一边判断自己在哪，并持续更新三维地图。LingBot-Map瞄准的正是这种“流式3D重建”。它用 Geometric Context Transformer——一种把当前画面与历史几何线索联系起来的神经网络——统一处理坐标定位、稠密几何信息和长期漂移校正。所谓漂移，就是微小定位误差越积越多，最后让地图逐渐“走歪”。
最值得注意的是长序列处理。项目作者称，模型采用前馈架构，并用分页 KV cache 保存和复用 Transformer 读过的历史信息；在 518×378 分辨率下，面对超过 10,000 帧的序列仍可稳定运行在约 20 FPS。分页缓存能减少显存碎片，但历史越长，存储开销仍会增加。作者还称其在多项基准上优于现有流式方法和依赖反复优化的方法，不过供稿未给出具体分数。对机器人、AR 和空间智能而言，它提供了一条更接近实时、可持续更新的建图路线。