**SpatialAct: 探究3D场景中VLM智能体的空间推理到行动能力**

_SpatialAct: Probing Spatial Reasoning-to-Action Capabilities of VLM Agents in 3D Scenes_

> 人类能轻松进行日常3D环境中的空间推理并转化为行动。虽然视觉语言模型在空间感知和推理任务上表现良好，但在多轮交互反馈中维持连贯空间理解并执行可靠行动方面仍存在显著推理-行动差距。SpatialAct是一个模拟基准，通过多轮交互求精和单步错误检测修复等任务，诊断模型失败原因。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-04 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.31148)