CVPR 2026, ByteDance Seed'in Uzamsal Zeka Çerçevesi SpatialTree'yi Kabul Etti

Zhejiang Üniversitesi, ByteDance Seed ve Pekin Jiaotong Üniversitesi'nden oluşan ortak bir araştırma ekibi, çok modlu büyük dil modellerinin (MLLM) uzamsal zekayı ele alma biçimini sistematik olarak yeniden tanımlayan yeni bir çerçeve olan SpatialTree'yi geliştirdi. CVPR 2026'da kabul edilen bu çerçeve, MLLM'lerin mekansal anlayış yeteneklerini geliştirmeyi hedefliyor. Günümüz MLLM'leri görüntüleri tanımlayabilse ve videoları anlayabilse de, mesafe yargılama, boyut tahmin etme, çoklu görünüm ilişkilerini anlama ve navigasyon rotaları planlama gibi gerçek uzamsal anlama hala temel bir zorluk teşkil ediyor. SpatialTree, bu yetenekleri dört katmana ayırıyor: Algılama (temel mesafe, boyut, şekil, hareket, yön), Zihinsel Haritalama (uzamsal bilgiyi dile ve belleğe dönüştürme), Zihinsel Simülasyon (rota planlama gibi eylemlerden önce uzamsal akıl yürütme) ve Etkin Yetkinlik (oyun navigasyonu veya robotik manipülasyon gibi eylemlere algıyı çevirme). Araştırma ekibi, 27 uzamsal alt yeteneği kapsayan SpatialTree-Bench'i oluşturdu. Sonuçlar, en iyi model olan Gemini 3 Flash'ın bile ortalama sadece 57.8 puan aldığını göstererek, uzamsal zekanın hala çözülmemiş bir sorun olduğunu ortaya koyuyor. ByteDance'in Seed 1.8 modeli ise en üst düzeyde 50.3 puan elde etti.