hiw3c 日报精选
雷峰网·AI 科技评论 中文 网页快照

VLM 在预测性空间推理上的缺口还有多大?21 个模型,最高准确率仅 58.0%

空间专项模型反而不如通用模型?浙大庄越挺团队提出空间智能新基准 作者丨 张岂萍 编辑丨 幸丽娟 空间智能正在成为 AI 竞赛的主战场。视觉语言模型(Vision-Language Model,VLM)已经能回答不少空间问题:一个物体在另一个物体的哪一侧,两者距离多远,换一个视角后物体在哪里。 但空间智能不止于理解静态场景。在真实交互环境中,机器人还需要面对动作带来的场景变化:物体被移动、旋转或拿走

来源:雷峰网·AI 科技评论 · www.leiphone.com

VLM 在预测性空间推理上的缺口还有多大?21 个模型,最高准确率仅 58.0%

现有空间推理,难在变化之后

三个层级, 拆开测试预测性空间推理能力

空间专项模型为何没有体现优势?

显式 3D 信息帮助视觉语言模型 提升空间推理能力

多视角整合、训练效果与评测边界

对话 SpaceCast-Bench 一作李弘幸

▎ AI 科技评论:很多空间理解任务主要关注视觉语言模型能否识别当前场景中的空间关系。团队为什么认为,仅理解当前状态还不够?为什么需要进一步研究“根据场景变化预测新的空间关系”?

▎ AI 科技评论:SpaceCast-Bench 为什么采用 observe–transform–infer 这一框架?

▎ AI 科技评论:你们此前已经做过 ViewSpatial-Bench、SpatialLadder、SpatialEvo、GPD 等工作。这几项工作和 SpaceCast-Bench 是怎样串起来的?

▎ AI 科技评论:BEV、3D metadata 等显式 3D 信息都带来了提升。这些结果给你们什么启发?

为了方便大家抱团交流、互通会议消息,我们专门建了 IROS 2026 参会交流群 !进群你会解锁这些「福利」 ?

会议情报站 : 投稿 DDL、格式规范、评审进度……关键节点第一时间送达,再也不怕错过 deadline,投稿准备稳稳的。

同行茶话会 : 天南海北的同行都在群里,聊心得、碰思路、攒人脉,科研路上我们同行。

前沿补给站 : 最新研究成果、热点方向实时同步,结合会议主题帮你捋清投稿脉络,给论文灵感加满油。

现场后援团: (会议期间专属开启): 到了会场也不用慌—— 路线导航 : 场馆分布、报告厅怎么走,群里随时问; 议题共读 : 热门 session、Keynote 探讨,错过也能追; Poster 汇编 : 现场海报精华整理,一键收藏不遗漏; 约局广场 : 约饭局、采访局、交流局……想唠嗑、想合作、想面基,群里发起就成。

? 进群传送门: 扫码进群或添加微信Luyoyo_2026 ,备注:IROS + 单位/学校+姓名+方向 。

视觉语言 ViT 的细粒度能力被低估了吗?CVPR 2026 U ...

CVPR 2026|DeepMind 出品 CaptionFormer:视频的每 ...

ICRA 2026 | NUS邵林团队提出Goal-VLA:生成式大模型 ...

Goal-VLA——图像生成式VLM化身「世界模型」,实现零 ...

VLM 在预测性空间推理上的缺口还有多大?21 个模型,最高准确率仅 58.0%

上交大张伟楠教授:AI如何走出屏幕,真正改变物理世界? | CNCC 2026

李飞飞挖的三个「坑」:从 ImageNet 到空间智能,这一次她会怎么填?

全行业两年攒下百万小时数据,影溯想 1 个月生产完:全国首个具身仿真数采中心落地杭州

登顶 RoboDojo-Agent,Manifold AI 流形空间给「机器人自进化」技术路线立标杆