arXiv · 机器人与计算机视觉· Feiran Wang, Xiaoqi Wang, Ziwei Li, Wenbin He, Yan Yan, Liu Ren·· 2026-10-06AI 评分58
从看见到预见:视觉语言模型中的预测性空间推理
From Sight to Foresight: Predictive Spatial Reasoning in Vision-Language Models
AI 导读
针对现有视觉语言模型主要关注观测场景而缺乏对未来空间状态预测能力的不足,本文提出了 SpatialMind 这一度量级视觉语言模型。该模型通过引入度量深度适配器将空间推理锚定在真实世界尺度,并利用渐进式状态链以当前状态和观测动态为基础进行未来预测。
来源:arXiv · 机器人与计算机视觉 · arxiv.org