EAGLE-360:基於全局先驗的360°全景主動探索與視覺搜尋框架
針對多模態大語言模型在360°全景環境中主動視覺搜尋時面臨的極區畸變建模困難及局部搜尋效率低下的問題,本文提出EAGLE-360框架。該方法摒棄傳統碎片化局部搜尋,利用全局先驗建立整體視角,通過迭代推理逐步縮小搜尋空間。技術上創新適配RoPE Rolling機制以處理全景圖的連續圓柱拓撲結構,並結合SFT與GRPO訓練策略強化空間推理與工具呼叫能力。同時構建包含1.4萬張4K全景圖及7萬輪高品質VQA對話的大規模數據集。實驗表明,EAGLE-360在360°視覺搜尋任務上取得最新最優性能,目標檢測準確率較基線模型提升近8倍,顯著改善探索效率與錯誤恢復能力。