HuggingFace Daily Papers· Zhaoxi Zhang, Hao Liang, Linxuan Wu, Yiming Wu, Yifu Yuan, Kun Liang, Chenming Tang, Meiyi Qiang, Wentao Zhang, Weikang Li·· 7 天前精选AI 评分75
SpatialScout: VLM 智能体能主动探索并映射 3D 场景吗？
SpatialScout: Can VLM Agents Actively Explore and Map 3D Scenes?
AI 导读
研究团队提出 SpatialScout 基准，用于评估视觉语言模型智能体在主动物体级 3D 映射上的能力。该基准包含 80 个多样化室内场景和 3,140 个目标物体，要求智能体控制相机探索场景并估计物体中心坐标。
推荐理由
SpatialScout 揭示了当前 VLM 智能体在主动探索和构建精确 3D 地图上的显著差距，最高分模型仅 41.71%，为具身智能研究提供了新基准。
来源：HuggingFace Daily Papers · arxiv.org