SpatialScout：评测VLM智能体主动探索与构建3D物体级地图的新基准

SpatialScout是一个评测视觉-语言模型（VLM）智能体主动进行物体级3D建图能力的新基准，包含80个多样室内场景和3,140个目标物体。任务要求智能体控制相机探索场景，在共享坐标系中估计物体中心，需协调视角选择、跨视角关联、几何估计与地图修正，并在有限交互预算内完成。