提出SpatialClaw,采用代码作为动作接口,维持状态化Python内核和感知基元,让VLM逐步编写代码并基于中间反馈调整推理,在20个空间推理基准上平均准确率59.9%,优于最近空间代理11.2点。
机构:NVIDIA
来源:arXiv 2606.13673 | AI4Papers 论文推荐平台