CoCoSI：面向空间智能的协同认知地图构建

空间智能是多模态大语言模型的关键前沿，使其能基于视觉经验推理物理世界。受人类空间认知启发，现有方法通过多帧视觉输入构建网格化认知地图以维持连贯的空间表征。然而，有限的上下文长度仍挑战空间理解，且现有长上下文建模或外部记忆方法常需架构调整或微调。为此，本文提出一种即插即用的多智能体框架，通过协作构建作为结构化空间记忆的认知地图，无需修改架构或额外训练即可增强任意预训练模型的空间理解能力。该框架具备局部 - 全局智能体协调、原子提交式地图构建及跨智能体验证机制，实验表明其在空间理解任务中表现优异且完全无需训练。