跳到正文
arXiv · 机器人与计算机视觉· Jiachun Li, Zhuoran Jin, Kang Liu, Jun Zhao·· 12 小时前AI 评分48

MentalGrid 基准与 SpatialWalker 模型:揭示并增强 MLLM 的空间动态模拟能力

From Perception to Simulation: Unveiling and Empowering Mental Spatial Dynamics in MLLMs

AI 导读

MentalGrid 基准评估显示现有多模态大语言模型在无需视觉反馈的动态空间模拟任务中存在感知局限与推理不足。为此提出的三阶段课程学习框架利用 16k 专用样本训练出 SpatialWalker,其平均性能较基线提升 33.8%,超越 Gemini-3-Flash 等专有模型。该模型在跨域基准上保持 4.9% 的平均增益,证实空间模拟是构建广泛空间智能的关键基石。

来源:arXiv · 机器人与计算机视觉 · arxiv.org