每日AIGC最新进展(85)：华中科技大学提出视觉空间人物思维链EmbodiedVSR、腾讯提出VLM-Guide Mesh生成PBR3DGen、TCD提出使用Jensen蒸馏的Text-to-3D

Diffusion Models专栏文章汇总：入门与实战

EmbodiedVSR: Dynamic Scene Graph-Guided Chain-of-Thought Reasoning for Visual Spatial Tasks

在当前的研究中，EmbodiedVSR（Embodied Visual Spatial Reasoning）框架被提出，以解决多模态大语言模型（MLLMs）在空间推理任务中的局限性。尽管这些模型在理解视觉场景和语言指令方面取得了显著进展，但在动态环境下的复杂空间推理任务中仍面临挑战。EmbodiedVSR通过动态场景图生成和链式思维（CoT）推理，增强了具身智能体的空间理解能力。该框架通过构建结构化知识表示，使得机器人能够在没有任务特定微调的情况下进行零-shot空间推理。此外，为了评估该框架的性能，研究团队开发了eSpatial-Benchmark，这是一个包含真实世界场景和细致空间注释的综合数据集，旨在推动多模态大模型在具身智能场景中的应用。