CVPR 2026 RoboSpatial 挑战赛技术报告：体现空间推理的选择性推理激活和参考框架消歧

视觉语言模型可以实现很强的一般感知，但常常难以完成具体任务所需的空间推理。我们展示了 RoboBrain，这是我们在 CVPR 2026 行动推理研讨会上向 RoboSpatial 挑战赛提交的作品，它基于 RoboBrain2.5-8B-NV 构建。 RoboSpatialBrain 结合了两个 无需训练 推理时间机制：强制 <think> 前缀激活策略与特定于任务的后提示配对，引发对上下文和兼容性任务的深思熟虑的推理，以及显式参考帧重定向管道，解决上下文任务中以相机为中心和以对象为中心的模糊性。我们还探讨了 微调 RoboBrain2.5 的兼容性数据，并对其与提示的交互进行了详细分析。 RoboSpatialBrain 在 RoboSpatial 挑战赛中获得第一名，在 RoboSpatial-Home 上的总体成功率为 80.9%。代码可在 https://github.com/YuxiangXie2003/RoboSpatialBrain 获取。