研究人员开发了一个新框架，以提高视觉语言模型（VLM）在3D环境中的视图规划能力。所提出的方法通过视图图蒸馏来交替进行自探索，其中探索轨迹共同形成一个映射视点连接的图。这种方法显著提高了交互式视图规划任务的性能，Qwen2.5-VL-7B 的性能从 2.5% 提高到 47.8%，优于 GPT-5.4 Pro 和 Gemini 3.1 Pro 等模型。 AI
影响 增强了VLM在3D空间中的推理能力，可能为更复杂的导航和交互AI代理提供支持。
排序理由 该集群包含一篇详细介绍新框架和基准以提高VLM能力的 연구 논문。 [lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
