Rui Gong, Ruoyu Wang, Yalun Dai, Hao Li, Sidi Yang, Qihao Zhao, Hongyu Li, Zeyang Guan · 2026 · arXiv
DOI: 10.48550/arXiv.2610.28354 · open-access PDF
Le raisonnement spatial demande à un modèle de déterminer où se trouvent les objets dans l'espace 3D, comment ils se rapportent les uns aux autres et comment ils se déplacent. Les VLM d'agent ont récemment apporté de grandes améliorations à de telles tâches en permettant au modèle de recueillir activement des preuves avec des outils de perception 3D au lieu de répondre en un seul passage. Même si, sur de nombreuses questions, les outils renvoient la preuve correcte et le modèle n'arrive toujours pas à la réponse correcte: l'écart entre le modèle et les outils, où les lectures brutes deviennent des conclusions utiles, est laissé inachevé.
Machine translation (Meta M2M100); the English original follows.
Spatial reasoning asks a model to work out where objects are in 3D space, how they relate to one another, and how they move. Agentic VLMs have recently brought large improvements on such tasks by letting the model actively gather evidence with 3D perception tools instead of answering in a single pass. Even so, on many questions the tools return the right evidence and the model still does not arrive at the correct answer: the gap between model and tools, where raw readings become usable conclusions, is left unfilled. We present S-Agent 2.0, a spatial reasoning agent that equips an off-the-shelf
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.28354, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange