尽管多模态大语言模型（MLLMs）看图说话能力一流，但和人类相比，在需要“脑补”和“想象”的复杂空间推理任务上还是有很大差距。
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。
想象一下这个场景：你看了一眼房间，然后闭上眼睛，有人问你“从沙发的位置向左转90度，会看到什么？”我们人类可以毫不费力地在脑海中构建出虚拟的画面并回答。但对于模型来说，这几乎是不可能的，因为它们依赖的是静态的、单一视角的观察。
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SVC）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。
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「去哪看、看什么、如何推理」。
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，一种结合树状采样结构与几何一致性约束的策略优化方法：
1)树状采样：每步采样多个动作分支，支持回溯与多路径探索；
2)多级奖励设计：融合任务级奖励与步级奖励，提供细粒度反馈；
3)几何惩罚机制：对冗余或冲突动作（如连续同向或反向移动）施加惩罚系数（如0.9），鼓励高效轨迹生成。
AI 速览
