AGI Hunt· TMLR-Group-HF·· 51 分钟前AI 评分41
Spatial Harness 用物理引擎可执行场景为 VLM 空间推理“落地”
Spatial Harness 用物理引擎可执行场景给 VLM 空间推理「落地」
AI 导读
香港浸会大学 TMLR Group 与字节跳动 Seed 提出 Spatial Harness，通过显式构建可执行世界状态改进视觉语言模型的空间推理。Perceiver 提取场景约束并整合视觉估计，将物体与相机置于共享坐标系；Reasoner 再借助物理引擎模拟视角变化，以测量值和渲染视图引导符合物理约束的回答。
来源：AGI Hunt · agihunt.info