arXiv · 机器人与计算机视觉· Tianchen Guo, Tengyue Zhang, Chen Liu, Ling Chen, Xin Yu·· 23 天前AI 评分73
Humans in Space:MLLMs 能否通过主动外心探索构建以人为中心的空间理解?
Humans in Space: Can MLLMs Construct Human-Centric Spatial Understanding via Active Exocentric Exploration?
AI 导读
该论文提出 SATE-Bench 基准,包含 316 个真实场景和 2,525 组多轮问答对,用于评估视觉自感知与主动外视角探索能力。实验发现主流 MLLM 在严重遮挡下会过早终止探索并高报置信度,且难以处理细粒度三维几何任务;基于 GRPO 的强化学习微调虽能提升探索行为,却因过度搜索导致整体准确率下降。
来源:arXiv · 机器人与计算机视觉 · arxiv.org