Vision-EKIPL: External Knowledge-Infused Policy Learning for Visual Reasoning
机构 * Sangfor Technologies ； The Australian National University（澳大利亚国立大学） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 视觉空间推理 ：reasoning(title,abstract)；CoT(abstract)
AI 大模型
大模型推理能力
大模型数学、逻辑、规划、多步推理和测试时计算能力。
1. 视觉空间推理 12 篇
Can you SPLICE it together? A Human Curated Benchmark for Probing Visual Reasoning in VLMs
机构 * Institute of Cognitive Science, Osnabrück University（认知科学研究所，奥斯纳布吕克大学）
专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI
Transparent Visual Reasoning via Object-Centric Agent Collaboration
机构 * Imperial College London, UK（伦敦帝国学院）
专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI
PixelCraft: A Multi-Agent System for High-Fidelity Visual Reasoning on Structured Images
机构 * Microsoft Research（微软研究院） ； Tsinghua University（清华大学） ； Hong Kong University of Science and Technology（香港理工大学）
专题命中 视觉空间推理 ：reasoning(title,abstract)
VideoAnchor: Reinforcing Subspace-Structured Visual Cues for Coherent Visual-Spatial Reasoning
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Peng Cheng Lab（鹏城实验室）
专题命中 视觉空间推理 ：reasoning(title,abstract)
Comments 16 pages, 6 figures
SONAR: Semantic-Object Navigation with Aggregated Reasoning through a Cross-Modal Inference Paradigm
机构 * Shenzhen Key Laboratory of Robotics Perception and Intelligence（机器人感知与智能深圳重点实验室） ； Department of Electronic and Electrical Engineering（电子与电气工程系） ； Southern University of Science and Technology（南方科技大学） ； Research Institute of Multiple Agents and Embodied Intelligence（多智能体与具身智能研究院） ； Peng Cheng Laboratory（鹏城实验室） ； Robotics and Microsystems Center（机器人与微系统中心） ； School of Mechanical and Electric Engineering（机械与电子工程学院） ； Soochow University（苏州大学） ； Xiamen Key Laboratory of Visual Perception Technology and Application（视觉感知技术与应用厦门重点实验室） ； Reconova Information Technology Co., Ltd.（Reconova信息技术有限公司）
专题命中 视觉空间推理 ：reasoning(title,abstract)
InSpire: Vision-Language-Action Models with Intrinsic Spatial Reasoning
机构 * Southwest Jiaotong University（西南交通大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Tongji University（同济大学）
专题命中 视觉空间推理 ：reasoning(title,abstract)
Vision-and-Language Navigation with Analogical Textual Descriptions in LLMs
机构 * Michigan State University（密歇根州立大学） ； UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Adelaide（阿德莱德大学）
专题命中 视觉空间推理 ：reasoning(abstract)；logical reasoning(abstract)；分类 cs.AI
RAVEN: Resilient Aerial Navigation via Open-Set Semantic Memory and Behavior Adaptation
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Davidson College（戴维森学院）
专题命中 视觉空间推理 ：planning(abstract)；分类 cs.AI、cs.LG
Advancing Audio-Visual Navigation Through Multi-Agent Collaboration in 3D Environments
机构 * Xinjiang Multimodal Intelligent Processing and Information Security Engineering Technology Research Center（新疆多模态智能处理与信息安全工程技术研究中心） ； School of Computer Science and Technology, Xinjiang University（新疆大学计算机科学与技术学院） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； School of Electrical Engineering and Automation, Tianjin University of Technology（天津理工大学电气工程与自动化学院）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.AI
Comments Main paper (15 pages). Accepted for publication by ICONIP( International Conference on Neural Information Processing) 2025
Visual Jigsaw Post-Training Improves MLLMs
机构 * S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； Linköping University（_linköping大学） ； SenseTime Research（商汤科技研究院）
专题命中 视觉空间推理 ：reasoning(abstract)
From Static to Dynamic: a Survey of Topology-Aware Perception in Autonomous Driving
机构 * Sems ； Shandong University（山东大学）
专题命中 视觉空间推理 ：reasoning(abstract)
Comments 13 pages, 3 figures
