【导读】中山大学等机构推出SpatialDreamer，通过主动心理想象和空间推理，显著提升了复杂空间任务的性能。模拟人类主动探索、想象和推理的过 程，解决了现有模型在视角变换等任务中的局限，为人工智能的空间智能发展开辟了新路径。 论文链接: https://arxiv.org/pdf/2512.07733 尽管多模态大语言模型（MLLMs）在场景理解方面取得了显著进展，但在需要心理模拟的复杂空间推理任务上表现仍然有限。 现有方法多依赖于对空间数据的被动观察，缺乏人类在空间认知中特有的主动想象与动态更新内部表征的能力。 例如，在需要变换视角以判断遮挡物体位置的任务中，现有模型往往因视角单一而推理失败。 为此，来自MBZUAI与中山大学的研究团队提出了SpatialDreamer，一个基于强化学习的框架，旨在通过主动探索、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。 SpatialDreamer模拟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S ...

文章核心观点 - 由MBZUAI与中山大学的研究团队提出的SpatialDreamer框架，通过模拟人类主动探索、心理想象和空间推理的闭环过程，显著提升了多模态大语言模型在复杂空间任务上的性能，为人工智能空间智能的发展开辟了新路径 [1][4][14] 技术框架与核心流程 - SpatialDreamer是一个基于强化学习的框架，旨在通过主动探索、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 [4] - 其闭环推理流程包含三个步骤：1) 探索：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：调用世界模型生成执行动作后的新视角图像；3) 推理：整合所有累积的视觉证据，生成最终答案 [6] - 该过程使模型从「被动观察」转向「主动目标导向的想象」，实现了在内部三维环境中自主决定行动与推理 [7] 关键技术创新 - 为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策略优化方法，该方法包含：1) 树状采样结构，支持回溯与多路径探索；2) 多级奖励设计，融合任务级与步级奖励；3) 几何惩罚机制，对冗余或冲突动作施加惩罚系数（如0.9），以鼓励高效轨迹生成 [8] - GeoPO在提升模型性能的同时，也显著加快了训练收敛速度 [9] - 为引导模型学习「思考-想象-回答」的模式，构建了SpatialDreamer-SFT数据集，包括单轮推理数据以及通过「错误注入 → 自我纠正 → 重建推理链」构建的反思式推理数据 [11] 实验结果与性能表现 - 在SAT基准测试中，SpatialDreamer在真实与合成图像中均达到SOTA，平均准确率分别达93.9%与92.5% [13] - 在MindCube-Tiny基准测试中，整体准确率达到84.9%，较基线模型Qwen2.5-VL-7B提升超过55% [13] - 在VSI-Bench基准测试中，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% [13]