厦大发布 RoTA-Bench：VLM 的 3D 旋转控制远落后人类

厦门大学与南洋理工团队发布 RoTA-Bench，用交互式 3D-to-2D 投影对齐任务评测 VLM 的空间推理能力。模型需在有限动作预算内连续旋转物体使投影匹配目标剪影，并依据视觉反馈修正动作，自动化流水线可批量构建剪影目标、支持多轮交互评估。结果显示现有 VLM 难以把 2D 视觉观察转化为精确的 3D 旋转控制，与人类差距巨大。