​Meta 发布 Multi-SpatialMLLM：引领多模态 AI 的空间理解革命

科技巨头 Meta 与香港中文大学的研究团队联合推出了 Multi-SpatialMLLM 模型，这一新框架在多模态大语言模型（MLLMs）的发展中取得了显著进展，尤其是在空间理解方面。该模型通过整合深度感知、视觉对应和动态感知三大组件，突破了以往单帧图像分析的限制，为更复杂的视觉任务提供了强有力的支持。近年来，随着机器人和自动驾驶等领域对空间理解能力的需求不断增长，现有的 MLLMs 面临着诸多挑战。研究发现，现有模型在基础空间推理任务中表现不佳，例如，无法准确区分左右方向。这