EmbSpatial-Bench

该数据集是一个用于评估大型视觉-语言模型（LVLMs）在具身空间理解方面的基准，它源自于覆盖了从第一人称视角的具身场景中提取的6种空间关系。该任务旨在评估在具身体验环境中对空间理解的能力。