SpatialClaw 论文:以代码为动作接口,让 VLM 更灵活地做 3D/4D 空间推理
CMHungSteven · x · 2026-09-29
NVIDIA 实习团队发布的 arXiv 论文 SpatialClaw 研究视觉语言模型(VLM)的智能体空间推理:
- 现有空间智能体要么用单次代码执行(在看到中间结果前就锁定分析策略),要么用结构化工具调用(灵活性不足,难以自由组合操作)。
- SpatialClaw 是免训练框架,采用「代码作为动作接口」:维护一个预载输入帧及感知/几何原语的持久 Python 内核,VLM 智能体每步写一个可执行 cell,可基于所有先前输出组合和调整感知结果,支持开放式 3D/4D 空间推理。
- 作者邀请智能体、机器人、VLM 空间评测方向的开发者复现最新前沿模型成绩。
所属事件:NVIDIA SpatialClaw:代码即动作接口,免训练提升 VLM 空间推理(5 条相关)→
「研究」频道最新
- Mobile AI Factory:agent 自动为你的手机造专用小模型,GPU 时间省 19 倍 — pmttyji · 2026-11-16
- UC Berkeley 论文揭示 LLM「过期绑定」:新值在上下文中仍答旧值 — ombre-ai · 2026-11-16
- LatamGPT 开源 1.78 亿篇拉美多语言语料登陆 Hugging Face — OmarUFlorez · 2026-11-16
- TotalSegmentator 在常规胸 CT 中量出 42mm 扩张主动脉 — MaziyarPanahi · 2026-11-16
- Tivadar Danka 发布 4000 字图解机器学习所需图论长文 — TivadarDanka · 2026-11-16
- METR 任务时长曲线更新:Opus 4.5 后倍增周期缩至 1.7 个月 — ben_j_todd · 2026-11-16