空间推理Spatial评测：多模态空间认知评估

可视化演示

展示2D/3D空间关系判断、视角转换推理与路径规划评估三大核心维度，切换模式理解空间智能评估体系。

空间推理概述

科目二考场入口立着一块巨大的平面图，上面标注了倒车入库的车库线、侧方停车的库位框。考官不会让你直接上车，而是先让你“读图”——明白图上每个标记的含义。对应到 AI 身上，这就是空间推理评测的“考纲”：先界定空间认知到底考什么。人类开车需要“车感”，AI 回答空间问题需要“空间感”，而空间推理（Spatial Reasoning）就是这种空间感的可量化版本。

在 AI 领域，空间推理被定义为：模型对物体在空间中的位置、方向、关系进行理解、推理和预测的能力。像“左边”“前方”“在……的上面”这类语言描述，必须与图像中的实际位置一一对应。多模态模型要同时“看”图片和“读”文字，再把两种信息在空间维度上对齐——这正是评测中“多模态”的含义。

空间推理评测把这种能力拆解成多个标准任务，用统一的指标打分。最基础的指标是准确率（Accuracy），即模型答对的题数占总题数的比例。题目以“图片+问题”的形式呈现，比如给一张房间照片，问“球是否在方块的左边？”模型要输出“是”或“否”。由于输入包含视觉与语言两种模态，这类评测也被称为多模态空间认知评估。

科目二的第一关是“上车前准备”，但你得先读懂考场规则才知道动作要领。空间推理评测同样先立好考纲——定义什么是空间认知、如何量化打分——后面的 2D、3D、路径规划，都是在这份考纲之下逐步展开的具体科目。

二维空间任务

科目二练车的第一个动作不是上车，而是站在场边看平面图：车库在车道哪边？起点线离库口几米？平面图上的所有信息都发生在二维平面上，这也对应空间推理评测里最基础的一类任务——2D 空间关系判断。

2D 空间任务给模型一张平面图像，上面放着若干物体，然后问：“物体 A 在物体 B 的哪个方向？”模型需要判断左右、前后这类方位词。要答对这种题，模型必须完成两件事：一是从图像中定位两个物体的坐标位置，二是把坐标间的相对位置转换成自然语言中的方位词。前者考验视觉感知，后者考验语言对齐。

从计算角度看，判断方位可以抽象成一个简单的规则。设物体 A 的坐标为 $(x_A, y_A)$，物体 B 的坐标为 $(x_B, y_B)$，先计算位置向量 $\vec{v}$，它描述了 B 相对 A 的空间偏移。随后比较水平与竖直分量的绝对值大小：水平分量更大就按“左右”命名，竖直分量更大就按“前后”命名。真实评测中，模型没有现成的坐标可读，必须从像素中自己学会“提取坐标 + 判定方位”，这正是视觉-语言联合理解能力的体现。

平面图上“车库在左边”这类题目看似简单，却是一切空间推理的地基。连平面方位都判断不了的车手，上车之后更不可能看清后视镜里的空间关系。

三维空间理解

科目二最有挑战的时刻，不是你站在场边看图，而是坐进驾驶座、扭头看向后视镜的那一瞬间——你看到的是车身斜后方方向的画面。同样的车库，换个视角就完全变了样。这正是三维空间理解的核心：视角转换。

三维空间理解任务要求模型在立体场景中推理物体关系，包括判断“哪个物体更高”“哪个物体在哪个物体后面”，以及在给定一个新视角时，预测从那个视角会看到什么。这类任务远比 2D 推理困难，因为模型必须在脑内建构物体的三维结构，而不是直接对着平面“看图说话”。

视角转换在数学上可以用旋转矩阵描述。一个点绕原点旋转角度 $\theta$，其新坐标由矩阵 $R(\theta)$ 计算得到。评测任务会展示物体当前视角的渲染图，再让模型判断从另一个角度观察时，物体的相对位置会发生什么变化。深度线索、遮挡关系、表面朝向，都是解开这类题目的关键。

倒车入库时，你心里默念“车身现在跟库线平行了吗？”——这便是在脑内完成一次视角旋转。模型在 3D 评测里，做的正是同样的事情。

路径规划评测

科目二场地上画着通道和库位，倒车入库的路线从来不是直线：先向右打满方向盘，让车绕过障碍，再回正方向缓缓倒入库。这条“从起点到库位的可行路线”，就是路径规划。

路径规划任务让模型在一个环境里找到从起点到终点的可行路径，同时避开障碍物。环境通常被抽象成网格化的 2D 平面或 3D 空间。评测不仅看模型能否到达终点，还看路径是否足够短、是否绕开了所有障碍。有些考题还会加入自然语言指令（如“先直行再右转”），综合考察模型的指令跟随与空间规划能力。

经典求解思路是广度优先搜索（BFS）：从起点逐层向外探索，最先到达终点的路径一定是最短步数路径。评测中常用曼哈顿距离作为理论下限——在只能横竖移动的网格中，忽略所有障碍时，最短步数恰好等于两点的曼哈顿距离。将模型规划路径的长度与曼哈顿距离对比，就能评估它在避障约束下的规划质量。

倒车入库的“教科书路线”就是一条规划好的最短路径，路边突然冒出的锥桶就像评测中的障碍物——成功绕过它，车就能安全进库。

评测体系设计

为什么全国各地的科目二考试标准高度统一？因为有一本详细的考试大纲：项目设置、扣分标准、考场尺寸全都白纸黑字写清楚。空间推理评测要成为业界公认的“驾照考试”，也必须建立一套严谨的评测体系。

评测体系设计包含三个关键环节：任务设计、评分标准、数据构建。任务设计要覆盖 2D 关系、3D 旋转、路径规划等维度，难度由浅入深；评分标准把每个子任务的得分按权重合成总分；数据构建则要保证题目多样性，避免评测数据与模型训练语料重复，防止数据污染（contamination）导致分数虚高。

加权综合得分是最常见的评分方式。每个子任务先得到单独得分 $s_i$，再乘上对应权重 $w_i$，最后求和得到综合分 $S$。权重反映不同能力在空间智能中的分量——例如 3D 视角转换通常比 2D 方位判断占更高权重，因为前者难度更大、更代表高阶空间认知。评测还会引入人类基线分数，作为模型表现的参照系。

科目二里“倒库压线直接不合格”是明确写进评分表的，评测体系中的权重与阈值同样如此——它们决定了 AI 想拿到“空间驾照”，到底哪几项能力必须过硬。

基准价值与趋势

拿到驾照不代表你是赛车手，但它证明你达到了安全上路的最低空间标准。Spatial 评测的价值同理：它不是让模型“炫技”，而是提供一把标准尺子，衡量多模态模型空间智能的基线水位。

作为多模态评测体系中的重要标杆，Spatial 评测已被广泛用于对比不同模型的空间能力。它让研究人员直观看到模型在“AI 科目二”上的分项成绩：2D 关系不错、3D 旋转拖后腿、路径规划在及格线徘徊。这种细粒度的能力诊断，为模型迭代指明了清晰的方向。

衡量 AI 与人类空间智能差距的常用指标是能力差距 Gap：用人类平均得分减去模型得分，再除以人类得分，得到“还差多少”的百分比。趋势上，Spatial 评测正从静态图片走向动态场景——未来的考题可能是视频中的连续空间变化，或是具身智能体在真实 3D 环境中的实时导航。到那时，空间推理评测将真正从“场地考”升格为“路考”。

从科目二到科目三，从封闭场地到开放道路，驾驶考试在不断升级；空间推理评测同样从 2D 图片迈向 3D 动态世界。手握这份评测报告的 AI 模型，终有一天能真正“上路”。

AI 应用场景

Python 演示

import random  class SpatialReasoningEval:    """极简空间推理评测器：2D 关系推理 + BFS 路径规划"""     def __init__(self, seed=42):        random.seed(seed)        self.questions = []        self.score = 0.0     def gen_relation_questions(self, n=20):        """生成 n 道 2D 空间关系题：判断 A 相对 B 的方位"""        directions = ["left", "right", "front", "behind"]        for _ in range(n):            xa = random.randint(-10, 10)            ya = random.randint(-10, 10)            xb = xa + random.choice([-1, 1]) * random.randint(1, 5)            yb = ya + random.choice([-1, 1]) * random.randint(1, 5)            dx, dy = xb - xa, yb - ya            if abs(dx) >= abs(dy):                answer = "left" if dx > 0 else "right"            else:                answer = "front" if dy > 0 else "behind"            self.questions.append({                "A": (xa, ya),                "B": (xb, yb),                "answer": answer,                "model_out": directions[random.randint(0, 3)]            })     def eval_relation(self):        """计算 2D 空间关系推理准确率"""        correct = sum(1 for q in self.questions                      if q["model_out"] == q["answer"])        return correct / len(self.questions)     def bfs_shortest_path(self, grid, start, goal):        """在网格上用 BFS 做路径规划，返回最短路径"""        rows, cols = len(grid), len(grid[0])        queue = [start]        visited = {start}        prev = {start: None}        head = 0        while head < len(queue):            cur = queue[head]            head += 1            if cur == goal:                break            for dr, dc in [(1, 0), (0, 1), (-1, 0), (0, -1)]:                nr, nc = cur[0] + dr, cur[1] + dc                nxt = (nr, nc)                if (0 <= nr < rows and 0 <= nc < cols                        and grid[nr][nc] == 0 and nxt not in visited):                    visited.add(nxt)                    prev[nxt] = cur                    queue.append(nxt)        path = []        node = goal        while node is not None:            path.append(node)            node = prev.get(node)        path.reverse()        return path if path[0] == start else []     def eval_path_planning(self):        """在 8x8 障碍网格上评测路径规划能力"""        grid = [            [0, 0, 0, 0, 0, 0, 0, 0],            [0, 1, 1, 0, 0, 1, 1, 0],            [0, 0, 0, 0, 1, 1, 0, 0],            [1, 1, 1, 0, 0, 0, 0, 0],            [0, 0, 0, 0, 1, 0, 1, 1],            [0, 1, 0, 0, 1, 0, 0, 0],            [0, 1, 1, 0, 0, 0, 1, 0],            [0, 0, 0, 0, 1, 0, 0, 0],        ]        start, goal = (0, 0), (7, 7)        path = self.bfs_shortest_path(grid, start, goal)        steps = len(path) - 1        manhattan = abs(goal[0] - start[0]) + abs(goal[1] - start[1])        return steps, manhattan, path     def run(self):        """运行完整评测并输出报告"""        acc = self.eval_relation()        steps, opt, path = self.eval_path_planning()        path_ratio = opt / steps if steps else 0        self.score = 0.5 * acc + 0.5 * path_ratio        print(f"2D 关系推理准确率: {acc * 100:.1f}%")        print(f"路径规划步数: {steps}, 曼哈顿下界: {opt}, 路径最优度: {path_ratio:.2f}")        print(f"路径: {path[:5]}...{path[-3:]}")        print(f"综合评测得分: {self.score:.2f}")        return self.score  if __name__ == "__main__":    ev = SpatialReasoningEval(seed=42)    ev.gen_relation_questions(20)    ev.run()

1. random.seed(seed)固定随机种子，让评测结果可复现，就像科目二考场精确划定每条标线。
2. if abs(dx) >= abs(dy): answer = "left" if dx > 0 else "right"水平优先规则：横向偏移更大时按左右命名方位。
3. correct = sum(1 for q in self.questions if q["model_out"] == q["answer"])统计答对的题目数量，是准确率计算的基石。
4. queue = [start]BFS 从起点出发，用队列逐层向外探索网格。
5. prev[nxt] = cur记录每个格子的“前驱”，后续才能从终点一路回溯到起点。
6. while node is not None: path.append(node)从终点沿前驱链反向找回完整路径。
7. path_ratio = opt / steps if steps else 0用曼哈顿距离除以实际步数，得到“路径最优度”，等于 1 说明走的是理论最短。
8. self.score = 0.5 * acc + 0.5 * path_ratio把两类子任务加权合成总分，模拟真实评测体系的评分方式。

常见误区

面试题