**基础模型能否通过主动探索达到目标视角？**

_Where to Look: Can Foundation Models Reach a Target Viewpoint Through Active Exploration?_

> 本文提出了一项新的主动任务——目标视角复现（TVR），要求智能体在3D环境中调整视角以匹配目标图像。研究发现，现有基础模型在此任务上表现不佳，成功率仅7.8%-12.0%，主要瓶颈在于处理多轮视觉历史和身体平移的空间映射。通过构建统一的后训练框架，结合专家轨迹监督微调和多轮GRPO强化学习，开源9B模型的成功率提升至51.4%，表明主动感知与行动能力可通过针对性训练提升。该研究为训练能在3D环境中主动感知和行动的基础模型建立了新基准。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-02 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.01247)