近日,中山大学梁晓丹团队联合小鹏汽车等机构发布GeoThinker系列两项研究成果,破解了视觉语言模型空间推理中“几何信息用不好、计算开销大”的难题。第一项工作GeoThinker(被ICML 2026收录)设计空间信息融合机制,让模型按需挑选几何线索以减少干扰。第二项工作GeoThinker-F让模型内部生成空间表征,推理时不再依赖外部三维几何编码器。结果显示,GeoThinker-F在空间推理表现基本不变的前提下,推理耗时从1.45秒降至0.40秒,提速约3.6倍,并在机器人操作与自动驾驶仿真中展现极高应用潜力,为具身智能发展提供新思路。
原文链接
本文链接:https://kx.umi6.com/article/38765.html
转载请注明文章出处
相关推荐
换一换
业界首个:英伟达发布专注于自动驾驶的视觉语言动作模型 Alpamayo-R1
2025-12-02 07:58:16
GPT-4o能拼好乐高吗?首个多步空间推理评测基准:闭源模型领跑
2025-04-23 11:52:51
太可怕了!AI大模型已学会人类空间思考能力
2025-06-22 22:18:27
Show me《指环王》!卡帕西强推大模型评测新基准
2026-08-07 10:13:44
刚刚,小红书开源了首个多模态大模型dots.vlm1,性能直追SOTA!
2025-08-08 16:14:57
超越Gemini3、GPT5.1,阿里千问登顶空间推理全球冠军
2025-11-26 15:49:46
视觉语言模型安全升级,还不牺牲性能!技术解读一文看懂|淘天MMLab南大重大出品
2025-01-17 12:16:08
只需将感知推理能力拆分,2B大模型就能战胜20B,国产新框架高效处理视觉任务
2024-07-03 04:26:59
太可怕了!AI大模型已学会人类空间思考能力
2025-06-22 22:18:27
李飞飞谢赛宁新作「空间推理」:多模态大模型性能突破关键所在
2024-12-23 12:52:12
Hugging Face 推出号称“世界上最小的视觉语言模型”SmolVLM-256M
2025-01-26 21:16:45
大模型破译甲骨文创下新 SOTA,复旦团队推出新框架
2025-09-08 14:00:34
谷歌最强具身大脑发布!波士顿机器狗瞬间人模人样
2026-04-17 16:07:31
803 文章
1154664 浏览
24小时热文
更多
-
2026-11-13 18:24:36 -
2026-11-13 16:26:01 -
2026-11-13 16:24:27