**SpatialClaw：以代码为动作接口，重塑智能体空间推理**

_SpatialClaw: Rethinking Action Interface for Agentic Spatial Reasoning_

> 空间推理对视觉语言模型（VLM）仍是基础性挑战。现有工具增强型智能体的动作接口限制了灵活性：单次代码执行缺乏中间反馈，结构化工具调用难以自由组合操作。SpatialClaw提出免训练框架，采用代码作为动作接口，维护有状态Python内核并预装感知与几何基元，让VLM智能体逐步编写可执行单元，根据中间结果动态调整分析。在20个涵盖静态和动态3D/4D任务的基准上，SpatialClaw平均准确率达59.9%，超越近期空间智能体11.2个百分点，在六大VLM骨干上均取得一致提升。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-12 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.13673)