SpatialScout

新的基准SpatialScout揭示了VLM在3D映射方面的局限性

研究人员推出了SpatialScout，这是一个旨在评估视觉语言模型（VLM）代理3D映射能力的新基准。该基准包含80个室内场景和3000多个对象，要求代理在共享坐标系中主动探索和估计对象位置。使用包括Claude Opus 5.5在内的前沿VLM进行的实验揭示了显著的局限性，表现最好的模型仅达到41.71%的平均重叠率，凸显了在构建精确度量地图方面的差距。