AI导航

上海人工智能实验室联合多所高校研发的Spatial-SSRL技术，通过创新的自监督强化学习范式，无需外部标注即可显著提升视觉大语言模型的空间理解能力。该技术基于RGB和RGB-D图像构建五种自监督任务，在Qwen2.5-VL和Qwen3-VL架构上实现平均3.89%-4.63%的性能提升，同时完美保持模型原有通用视觉能力，为自动驾驶和具身智能等领域提供了低成本、高效率的空间智能解决方案。

AGILE创新性地将智能体交互与拼图任务结合，通过自监督强化学习范式显著提升视觉语言模型的感知推理能力。该框架在无需人工标注的情况下，使模型在2×2拼图任务中准确率从9.5%提升至82.8%，并在9项通用视觉任务中平均性能提升3.1%，为解决多模态强化学习数据稀缺问题提供了可持续的解决方案。