跳到正文
arXiv · 机器人与计算机视觉· Haoyuan Li, Qihang Cao, Huanyuan Zhou, Xin Hu, Sijia Chen, Zihan Guo, Kun Xiang, Yunshuang Nie, Tao Tang, Xinlong Zheng, Jia-Wang Bian, Xianming Liu, Xiaodan Liang·· 2026-10-15精选AI 评分82

GeoThinker-F:用于快速空间智能的内源性预测世界表征

GeoThinker-$F$: Endogenous Predictive World Representations for Fast Spatial Intelligence

AI 导读

现有几何感知的多模态大语言模型(MLLM)通常依赖外部 3D 编码器提供结构先验,但这在推理时引入显著延迟和计算开销。本文提出 GeoThinker-F 框架,通过将因果 MLLM 隐藏状态转化为预测性潜在世界表征来内部化时空感知。

推荐理由

该工作提出 GeoThinker-F 框架,通过内部化时空感知消除对外部 3D 编码器的依赖,推理速度提升 3.6 倍。

来源:arXiv · 机器人与计算机视觉 · arxiv.org