SpatialScout, VLM 에이전트는 능동적으로 3D 장면을 탐색하고 지도화할 수 있을까

SpatialScout는 VLM 에이전트가 능동적으로 객체 단위의 3D 지도를 구축할 수 있는지 평가하는 벤치마크이다. 80개의 실내 장면과 3,140개의 대상 객체를 사용하며, 에이전트가 카메라를 조작해 각 장면을 탐색하고 객체의 중심 좌표를 추정한다. 가장 높은 성능을 보인 Claude Opus 5.5의 평균 오버랩 점수는 41.71%에 그쳤고, IoU가 0.9를 넘은 대상은 3.25%에 불과했다.