OpenSpatial：赋能空间智能的原则化数据引擎
计算与语言
2026-04-10 v2
摘要
空间理解是人类智能的基本基石。然而，当前研究主要聚焦于特定领域的数据生产，留下了一个关键性空白：缺乏一种能够充分发挥高质量空间数据潜力的原则化、开源数据引擎。为弥合这一差距，我们阐明了健壮数据生成系统的设计原则，介绍 OpenSpatial——一个为高质量、广泛可扩展性、多样任务和优化效率而设计的开源数据引擎。OpenSpatial 采用 3D 边界框作为基本原语，通过五个基础任务构建完整的数据层级：空间测量（SM）、空间关系（SR）、相机感知（CP）、多视图一致性（MC）和场景感知推理（SAR）。借助这一可扩展基础设施，我们策划了 OpenSpatial-3M 数据集，包含 300 万个高保真样本。广泛的评估表明，在我们的基准中训练的通用模型在广泛的空间推理基准上实现了最先进的性能。值得注意的是，表现最佳的模型相对提升了 19%。此外，我们对数据属性如何影响空间感知进行了系统性分析。通过开源引擎和 300 万规模数据集，我们为加速空间智能领域的未来研究提供了一个稳健的基础。
引用
@article{arxiv.2604.07296,
title = {OpenSpatial: A Principled Data Engine for Empowering Spatial Intelligence},
author = {Jianhui Liu and Haoze Sun and Wenbo Li and Yanbing Zhang and Rui Yang and Zhiliang Zhu and Yijun Yang and Shenghe Zheng and Nan Jiang and Jiaxiu Jiang and Haoyang Huang and Tien-Tsin Wong and Nan Duan and Xiaojuan Qi},
journal= {arXiv preprint arXiv:2604.07296},
year = {2026}
}
备注
Code: https://github.com/VINHYU/OpenSpatial