【新智元导读】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。
尽管多模态大语言模型（MLLMs）在场景理解方面取得进展，但在需心理模拟的复杂空间推理任务中仍表现有限。现有方法多依赖被动观察，缺乏人类特有的主动想象与动态更新内部表征能力。例如，在判断遮挡物体位置的任务中，因视角单一常导致推理失败。
为此，MBZUAI与中山大学研究团队提出SpatialDreamer，一个基于强化学习的框架，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。
核心机制：主动闭环推理流程
SpatialDreamer模拟人类空间认知过程，构建包含三个步骤的闭环推理流程：
- 探索：模型根据当前场景推理出最优自我中心动作（如“前进0.75米”或“左转45度”）；
- 想象：调用世界模型（如SVC）生成执行动作后的新视角图像；
- 推理：整合所有累积的视觉证据，生成最终答案。
该机制使模型从被动观察转向主动目标导向的想象，实现自主决策“去哪看、看什么、如何推理”。
训练优化：GeoPO策略提升效率
针对长序列推理中奖励稀疏问题，团队提出GeoPO方法，结合树状采样结构与几何一致性约束：
- 树状采样：每步采样多个动作分支，支持回溯与多路径探索；
- 多级奖励设计：融合任务级与步级奖励，提供细粒度反馈；
- 几何惩罚机制：对冗余或冲突动作施加惩罚系数（如0.9），鼓励高效轨迹生成。
GeoPO不仅提升模型性能，还显著加快训练收敛速度。
数据构建：引导模型深度思考
为训练“思考-想象-回答”模式，构建SpatialDreamer-SFT数据集，包含单轮推理与反思式推理数据。后者通过“错误注入→自我纠正→重建推理链”方式生成，增强模型纠错与逻辑重构能力。
实验结果：多项基准领先
在多个空间推理基准测试中，SpatialDreamer表现优异：
- SAT：真实与合成图像平均准确率分别达93.9%与92.5%，达到SOTA；
- MindCube-Tiny：整体准确率84.9%，较Qwen2.5-VL-7B基线提升超55%；
- VSI-Bench：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%。
总结：迈向具备空间想象的通用智能
SpatialDreamer的意义不仅在于提升空间推理准确率，更在于验证了MLLMs可通过“想象力”增强推理能力，向人类水平的空间智能迈出关键一步，为未来通用人工智能的发展提供新范式。
