跳到正文
arXiv · 机器人与计算机视觉· Zhiyuan Shi, Xiang Li, Xingzhuo Guo, Shangchen Miao, Weiliang Chen, Qiyu Dai, Jinshan Ren, Jiangran Lyu, Fangfu Liu, Mingsheng Long, Jialong Wu·· 2026-10-12AI 评分75

S-Space:探索多模态语言模型中的空间工作区

S-Space: Exploring Spatial Workspace in Multimodal Language Models

AI 导读

论文提出 S-Space 是 MLLM 中用于编码物体水平、垂直及距离坐标的内在线性子空间,可作为内部空间工作区支持空间判断。研究通过因果干预证实该子空间独立于非空间问题存在,并发现其能关联物理方向与抽象语义。然而,感知 - 计算分解揭示了关键瓶颈:模型虽能形成空间表征,但在应对视角变化所需的几何变换上仍显不足,导致空间推理不可靠。

来源:arXiv · 机器人与计算机视觉 · arxiv.org