SpatialScout 基准：80 个场景考验 VLM 智能体主动探索 3D 建图

Zhaoxi Zhang · hf · 2026-10-22

北大与天津大学团队发布 SpatialScout 基准，评估视觉-语言模型（VLM）智能体在主动式物体级 3D 地图构建上的能力。基准包含 80 个室内场景、3140 个目标物体，智能体需根据物体清单自主探索、采集 RGB 观测并结合相机标定与位姿，构建精确的度量地图。结果显示现有 VLM 智能体在精确度量地图构建上存在明显短板，表明空间智能仍是从被动问答到主动探索的开放难题。