空间推理新突破！中山大学SpatialDreamer性能提升55%

来自中山大学等机构的研究者推出了SpatialDreamer，这项技术通过模拟人的主动心理想象和空间推理过程，显著提升了模型在复杂空间任务中的表现。它借鉴了人类主动探索、想象与推理的认知方式，有效解决了现有模型在视角变换等任务中因视角单一而能力受限的问题，为人工智能的空间智能发展开辟了新的方向。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

尽管多模态大语言模型（MLLMs）在场景理解方面取得了长足进步，但在需要心理模拟的复杂空间推理任务上，其表现仍有提升空间。

现有的方法大多依赖于对空间数据的被动观察，缺乏人类在空间认知中所特有的主动想象与动态更新内部表征的能力。

例如，在需要变换视角来判断被遮挡物体位置的任务中，现有模型往往因只能依赖单一视角而出现推理偏差。

为此，来自MBZUAI与中山大学的研究团队提出了SpatialDreamer。这是一个基于强化学习的框架，旨在通过一个“主动探索、视觉想象与证据融合”的闭环过程，赋予MLLMs类人的空间心理模拟能力。

论文链接：https://arxiv.org/pdf/2512.07733

SpatialDreamer模拟了人类的空间认知过程，构建了一个包含以下三个步骤的闭环推理流程：

1) 探索：模型根据当前场景推理出最优的自我中心动作（如“前进0.75米”或“左转45度”）；

2) 想象：调用世界模型（如SVC）生成执行该动作后所对应的新视角图像；

3) 推理：整合所有累积获得的视觉证据，生成最终的问题答案。

这一过程使得模型从“被动观察”转向了“主动目标导向的想象”，使其能在内部三维环境中自主决定“看向哪里、看到什么、以及如何推理”。

为了解决长序列推理任务中奖励稀疏的问题，研究团队提出了GeoPO，这是一种结合了树状采样结构与几何一致性约束的策略优化方法：

1) 树状采样：每一步采样多个动作分支，支持回溯与多路径探索；

2) 多级奖励设计：融合任务级奖励与步骤级奖励，提供更精细的反馈信号；

3) 几何惩罚机制：对冗余或冲突的动作（如连续同向或反向移动）施加惩罚系数（如0.9），鼓励模型生成高效的探索轨迹。

GeoPO在有效提升模型性能的同时，也显著加快了其训练收敛速度。

为了进一步引导模型学习“思考-想象-回答”的推理模式，团队构建了SpatialDreamer-SFT数据集，其中包含了单轮推理数据（single-pass）以及反思式推理数据（reflective reasoning）。反思式数据通过“错误注入 → 自我纠正 → 重建推理链”的方式来构建。

实验结果

研究团队在多个空间推理基准上验证了SpatialDreamer的有效性：

1) SAT：在真实与合成图像中均达到SOTA性能，平均准确率分别高达93.9%与92.5%；

2) MindCube-Tiny：整体准确率达到84.9%，较基线模型Qwen2.5-VL-7B提升超过55%；

3) VSI-Bench：在物体计数、相对方向、路径规划等任务中全面领先，平均准确率达62.2%。

迈向具备空间想象能力的通用智能

SpatialDreamer的意义不仅在于提升了空间推理的准确率，更关键的是：它证明了MLLMs可以通过增强“想象力”来提升推理能力，这是朝着实现类人空间智能迈出的重要一步。