具身3D基准：评估视觉语言模型的低级具身空间智能

Jiyao Zhang, Mingxu Zhang, Yitong Peng, Haoxuan Liu, Chenshuo Wang, Yuxing Long, Haoyang Huang, Dongjiang Li, Nan Duan, Hui Shen, Hao Dong

摘要

该论文提出了Embodied3DBench，一个针对视觉语言模型在具身3D环境中低级空间智能的基准测试，包含6个任务类别和超过21k个问答对。评估结果显示当前模型在高层空间推理上表现良好，但在面向交互的感知方面仍然脆弱，表明缺乏鲁棒的3D感知交互先验。

embodied AIspatial intelligencevision language modelsbenchmark3D perception

PERCEPTION

开放获取📊 4 引用

Ji-Hoon Hwang, Daeyoung Kim, Hyung-Suk Yoon 等 5 位作者

2026

PERCEPTION

📊 0 引用

Yanrun Zhou, Zihao Lei, Guangrui Wen 等 7 位作者

Robotics and Computer-Integrated Manufacturing · 2026

PERCEPTION

📊 0 引用

Simon Duenser, Ivo Aschwanden, Raamadaas Krishnadas 等 5 位作者

Robotics and Computer-Integrated Manufacturing · 2026

PERCEPTION

📊 0 引用

Sili Ding, Feng Xu, Jie Chen 等 6 位作者

Progress in Materials Science · 2026