Tag · 2 篇
场景生成
分布 3D 视觉与重建1视觉语言模型1
01 02
SAGE：面向具身智能的可扩展智能体式 3D 场景生成
SAGE: Scalable Agentic 3D Scene Generation for Embodied AI
把布局生成器与物体组合生成器同语义合理性、视觉真实感、物理稳定性三类 critic 组成闭环，通过迭代推理与自适应工具选择自精炼场景，可直接产出仿真器可用的 3D 环境用于策略训练；对做 3D 场景合成与具身数据扩增的视觉研究者，这是一套可复用的「生成器+评审器」自精炼管线。
DriveCombo：自动驾驶中组合式交通规则推理的基准评测
DriveCombo: Benchmarking Compositional Traffic Rule Reasoning in Autonomous Driving
为视觉语言模型在自动驾驶中的规则理解提供了分层认知评测协议与 Rule2Scene 规则到场景的生成管线，可直接用于诊断 MLLM 在多规则冲突下的推理失效，并作为微调数据来源提升下游规划。