跳到正文
arXiv · 机器人与计算机视觉· Mahdieh Mallahnezhad, Masoud Jafaripour, Mohamadali Tofigh, Sheila Schoepp, Osmar R. Zaiane·· 2026-10-15AI 评分58

面向多模态大模型空间推理的数据中心理解:从数据集设计到评估的综述

Towards a Data-Centric Understanding of Spatial Reasoning in Multimodal Large Language Models

AI 导读

这篇论文是一篇关于多模态大语言模型(MLLMs)在具身智能与机器人视觉任务中空间推理能力的调研文章。作者指出当前 MLLMs 存在空间感知局限,虽已有后训练技术,但缺乏数据驱动的全面调查。

来源:arXiv · 机器人与计算机视觉 · arxiv.org