空间思维链：面向视觉语言模型的模态无关空间定位

英文标题：Chain of Spatial Thoughts: Modality-Agnostic Spatial Grounding for Vision Language Models

该论文提出“空间思维链”（Chain of Spatial Thoughts），旨在提升视觉语言模型（VLM）的模态无关空间定位能力。研究聚焦空间理解这一具身智能的基础能力，其应用包括机器人操作、具身导航和自动驾驶。论文指出，尽管近期 VLM 已取得显著进展，但空间理解仍是需要重点解决的关键问题。该工作可能为开发具备更可靠空间推理与环境交互能力的 AI Agent 提供方法参考。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB