ng电子游戏新闻网讯(通讯员李浩源)克日,ng电子游戏智能工程学院梁小丹教授课题组与引望科技,联合上海交通大学、上海创智学院,宣布了全新自动几何集成框架GeoThinker。。

图注:::GeoThinker模子框架
现在的视觉语言模子(VLM)在物体识别上已经很是成熟,但在明确重大的3D物理空间关系时仍面临挑战。�::=沟闫烤痹谟诠虐宓摹氨欢诤稀蹦J剑茨W游薏畋鸬匚账屑负涡畔ⅲ贾率泳跤镆逵氲撞慵负挝恢媚岩跃级云搿�。这种方式不但引入了大宗如地板、墙面等无关的配景噪声,掩饰了要害的空间逻辑,还使得模子在处理重大推理使命时精度缺乏,难以真正“读懂”三维物理天下 。。
针对这些痛点,团队提出了名为GeoThinker的全新自动几何集成框架。。GeoThinker实现了从“被动融合”向“自动感知”的范式转变,其焦点在于构建了“按需盘问”的智能机制。。通过空间基座融合和主要性门控(IG)等焦点架构,模子能够凭证详细使命上下文,自动识别并定向提取要害的空间纹理信息。。这种设计就像为模子装上了“智能滤镜”,使其能自觉关注物体界线和要害结构,同时屏障冗余的配景滋扰。。
实验效果显示,GeoThinker在多项权威空间智能基准测试中展现了极强的领先性。。它在 VSI-Bench 上以 72.6 分的效果刷新了 SOTA 纪录,性能显著优于 GPT-5 和 Gemini-3-Pro 等闭源大模子。。在全球 EASI 综合榜单中,GeoThinker 位列总榜第 6,是开源界公认的标杆模子。。别的,该框架在具身智能机械人指代和自动驾驶妄想决议等现实应用中也体现卓越,即便在极低分辨率的�:::枷裣乱廊荒芗岢治冉〉目占渫评砟芰Α�。这一研究证实,空间智能的未来在于模子能够凭证需求自动、精准地整合几何结构信息。。
论文链接:::https://arxiv.org/abs/2602.06037
开源代码: https://github.com/Li-Hao-yuan/GeoThinker