محققان در یک پژوهش جدید، بنچمارک و چارچوب جدیدی به نام R3D را معرفی کردهاند که تحولی در «استدلال فضایی سه بعدی» برای عینکهای هوشمند و پوشیدنیهای مبتنی بر هوش مصنوعی ایجاد میکند.
چرا این خبر مهم است؟
مدلهای فعلی در درک محیطهای سه بعدی از دید کاربر (Egocentric) چالشهای زیادی دارند. R3D با استفاده از ترکیب ابزارهای فضایی و مدلهای زبانی بینایی (مثل Qwen3-VL)، دقت تحلیلهای سه بعدی را به شکل چشمگیری افزایش داده و باعث میشود دستیارهای هوشمند در آینده، درک بسیار دقیقتری از فواصل و حجم اشیاء پیرامون ما داشته باشند. این یعنی یک قدم بزرگ به سمت دستیارهای واقعی در دنیای واقعی! 👓🚀
منبع: arXiv AI