新智元報道

編輯：LRST

中山大學等機構推出SpatialDreamer，通過主動心理想象和空間推理，顯著提升了復雜空間任務的性能。模擬人類主動探索、想象和推理的過程，解決了現有模型在視角變換等任務中的局限，為人工智能的空間智能發展開辟了新路徑。

盡管多模態大語言模型（MLLMs）在場景理解方面取得了顯著進展，但在需要心理模擬的復雜空間推理任務上表現仍然有限。

現有方法多依賴于對空間數據的被動觀察，缺乏人類在空間認知中特有的主動想象與動態更新內部表征的能力。

例如，在需要變換視角以判斷遮擋物體位置的任務中，現有模型往往因視角單一而推理失敗。

為此，來自MBZUAI與中山大學的研究團隊提出了SpatialDreamer，一個基于強化學習的框架，旨在通過主動探索、視覺想象與證據融合的閉環過程，賦予MLLMs類人的空間心理模擬能力。

論文鏈接: https://arxiv.org/pdf/2512.07733

SpatialDreamer模擬人類的空間認知過程，構建了一個包含以下三個步驟的閉環推理流程：

1) 探索：模型根據當前場景推理出最優的自我中心動作（如「前進0.75米」或「左轉45度」）；

2) 想象：調用世界模型（如SVC）生成執行動作后的新視角圖像；

3) 推理：整合所有累積的視覺證據，生成最終答案。

該過程使模型從「被動觀察」轉向「主動目標導向的想象」，實現了在內部三維環境中自主決定「去哪看、看什么、如何推理」。

為解決長序列推理任務中獎勵稀疏的問題，研究團隊提出了GeoPO，一種結合樹狀采樣結構與幾何一致性約束的策略優化方法：

1) 樹狀采樣：每步采樣多個動作分支，支持回溯與多路徑探索；

2) 多級獎勵設計：融合任務級獎勵與步級獎勵，提供細粒度反饋；

3) 幾何懲罰機制：對冗余或沖突動作（如連續同向或反向移動）施加懲罰系數（如0.9），鼓勵高效軌跡生成。

GeoPO在提升模型性能的同時，也顯著加快了訓練收斂速度。

為進一步引導模型學習「思考-想象-回答」的模式，構建了SpatialDreamer-SFT數據集包括單輪推理數據（single-pass） 以及反思式推理數據（reflective reasoning），其中反思式推理通過「錯誤注入 → 自我糾正 → 重建推理鏈」構建。

實驗結果

研究團隊在多個空間推理基準上驗證了SpatialDreamer的有效性：

1) SAT：在真實與合成圖像中均達到SOTA，平均準確率分別達93.9%與92.5%；

2) MindCube-Tiny：整體準確率84.9%，較基線Qwen2.5-VL-7B提升超過55%；

3) VSI-Bench：在物體計數、相對方向、路徑規劃等任務中全面領先，平均準確率62.2%

總結

邁向具備空間想象能力的通用智能

SpatialDreamer的意義不僅在于提升空間推理準確率，更關鍵的是：它證明MLLMs可以通過「想象力」增強推理能力，向人類般的空間智能邁出重要一步。

參考資料：

https://arxiv.org/pdf/2512.07733

秒追ASI

?點贊、轉發、在看一鍵三連?

點亮星標，鎖定新智元極速推送！