Spatial Reasoning Agentic Framework Allocentric Representation Multimodal Foundation Models
摘要

多模态基础模型在物理世界空间推理方面仍显脆弱,主要瓶颈在于无法将局部自我中心观测转化为全局异我中心空间表征。为此,本文提出 AlloSpatial,一种用于基础模型异我中心空间认知的代理框架。该框架引入 World2Mind 即插即用认知映射沙盒,构建结构化空间先验;并设计空间推理驾驭机制,用于工具使用判断、模态解耦线索收集及几何语义仲裁。实验表明,该方法在无训练设置下显著提升性能,且训练后的代理优于大型通用模型,证明了结构化表征与可验证推理的有效性。

AI 推荐理由

论文核心解决空间推理瓶颈,提出认知映射与推理框架,显著提升模型空间推理能力。

研究机构
中国科学院自动化研究所 华为诺亚方舟实验室 北京航空航天大学
论文信息
作者 Shouwei Ruan, Bin Wang, Zhenyu Wu, Qihui Zhu, Yuxiang Zhang et al.
发布日期 2026-06-08
arXiv ID 2606.08952
相关性评分 9/10 (高度相关)