【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了显著进展，但在需要心理模拟的复杂空间推理任务上表现仍然有限。

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。

例如，在需要变换视角以判断遮挡物体位置的任务中，现有模型往往因视角单一而推理失败。

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。

论文链接:  https://arxiv.org/pdf/2512.07733

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。

GeoPO在提升模型性能的同时，也显著加快了训练收敛速度。

为进一步引导模型学习「思考-想象-回答」的模式，构建了SpatialDreamer-SFT数据集包括单轮推理数据（single-pass） 以及反思式推理数据（reflective reasoning），其中反思式推理通过「错误注入 → 自我纠正 → 重建推理链」构建。

实验结果

研究团队在多个空间推理基准上验证了SpatialDreamer的有效性：

1) SAT：在真实与合成图像中均达到SOTA，平均准确率分别达93.9%与92.5%；

2) MindCube-Tiny：整体准确率84.9%，较基线Qwen2.5-VL-7B提升超过55%；

3) 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62.2%

迈向具备空间想象能力的通用智能

SpatialDreamer的意义不仅在于提升空间推理准确率，更关键的是：它证明MLLMs可以通过「想象力」增强推理能力，向人类般的空间智能迈出重要一步。

参考资料：https://arxiv.org/pdf/2512.07733