视觉问答数据集

从跨视图关系学习多视图空间推理

Learning Multi-View Spatial Reasoning from Cross-View Relations

XVR 提供了跨视图对应、关系验证与目标定位三类 VQA 监督信号，可直接用于微调 VLM 以增强多视图空间表征；其数据构造方式（从 3D 场景与机器人轨迹自动生成问答）也可复用于构建其他具身空间推理训练集。