NeSy-Route：远程感知中受约束路径规划的神经符号基准

远程感知为灾后救援和生态野外调查等关键应用提供支撑，要求系统理解复杂场景与约束并作出可靠决策。当前远程感知基准主要评估多模态大语言模型（MLLM）的感知与推理能力，缺乏对规划能力的评估，原因在于规模化规划任务的策划与验证困难，或评估协议不准确且不足。为此，我们引入NeSy-Route，一个用于远程感知受约束路径规划的大规模神经符号基准。基准中构建的自动数据生成框架将高保真语义掩码与启发式搜索集成，生成具备可证明最优解的多样化路径规划任务，使NeSy-Route能覆盖10,821个规划样本，规模是现有最大基准的近10倍。进而开发三级层次神经符号评估协议，实现对感知、推理与规划的精准评估并支持细粒度分析。我们对各类最新MLLM进行全面评估，发现现有MLLM在感知与规划能力上存在显著不足。我们期望NeSy-Route能为开发更强大的远程感知MLLM提供支持。