空间基础模型首次全维度评测
推荐指数 63.0 NO. 025 · 2026.05.28
upvotes56comments2
为什么值得看
SpatialBench 构建了覆盖多领域多任务的空间基础模型综合评测体系，并推出 DA-Next-5M 数据集和 DA-Next 模型。当前主流空间模型在跨域泛化上存在明显短板，这套基准测试能帮团队快速定位模型真实能力边界。
媒体预览
编辑判断
空间智能赛道此前缺乏统一评测标准，各团队自说自话，CVPR 上的空间理解论文和机器人落地的感知模块往往用的是两套评价体系。SpatialBench 的价值在于把视觉定位、3D 推理、导航规划等任务拉到了同一个擂台上，这对做具身智能和自动驾驶的团队选模型有直接参考价值。
DA-Next 的核心改进是动态注意力机制处理多尺度空间关系，在 ScanNet 和 AI2-THOR 上的零样本迁移比之前的 SpatialRGPT 提升了约 12%。不过论文里没提训练成本，DA-Next-5M 的构建细节也比较模糊，想复现的话建议先蹲一波官方代码 release。