OpenSpatial：增强空间智能的原则性数据引擎

空间理解是人类智能的基本基石。尽管如此，当前的研究主要集中在特定领域的数据生产，留下了一个关键的空白：缺乏能够充分释放高质量空间数据潜力的有原则的开源引擎。为了弥补这一差距，我们阐明了强大的数据生成系统的设计原则，并引入了 OpenSpatial——一种开源数据引擎，旨在实现高质量、广泛的可扩展性、广泛的任务多样性和优化的效率。 OpenSpatial 采用 3D 边界框作为基本原语，构建跨五个基本任务的全面数据层次结构：空间测量 (SM)、空间关系 (SR)、相机感知 (CP)、多视图一致性 (MC) 和场景感知推理 (SAR)。利用这种可扩展的基础设施，我们策划了 OpenSpatial-3M，这是一个包含 300 万个高保真样本的大型数据集。广泛的评估表明，在我们的数据集上训练的多功能模型在广泛的空间推理基准上实现了最先进的性能。值得注意的是，表现最好的模型相对而言平均提高了 19%。此外，我们还对数据属性如何影响空间感知进行了系统分析。通过开源引擎和 3M 规模的数据集，我们为加速空间智能的未来研究奠定了坚实的基础。