AI进屋后，下一眼该看哪？观察智能体如何建立三维空间认知

新智元报道，介绍 SpatialScout 这一主动空间理解研究任务：模型从 RGB 图像出发，自主决定相机移动与拍摄，并估计目标物体在三维空间中的坐标。评测使用来自 iTHOR、RoboTHOR、ArchitecTHOR、ReplicaCAD 和 ProcTHOR 的 80 个室内场景、3,140 个目标实例，每个任务最多 100 轮交互，评分采用平均 IoU 及 IoU 超过 0%、50%、90% 的比例。文中给出 7 个模型、8 种配置的比较结果，如 Opus 5.5 任务平均 IoU 为 41.71%。文内附论文、代码和数据集链接。