来源：遥感与深度学习

原文链接：https://mp\.weixin\.qq\.com/s/vZ6MEu5IEEI3WvnSv4bdow

题目：RoadBench: Benchmarking MLLMs on Fine-Grained Spatial Understanding and Reasoning under Urban Road Scenarios

论文：https://arxiv\.org/abs/2511\.18011

GitHub：https://github\.com/tsinghua\-fib\-lab/RoadBench

年份：2026

单位：清华大学、北京中关村学院、高德地图

ECCV2026遥感方向合集：ECCV2026

创新点

背景

多模态大语言模型（MLLM）在通用空间理解与推理方面展现出强大能力，并逐渐在卫星影像识别、自动驾驶、具身智能等领域替代专用模型。已有城市空间理解基准主要聚焦于整图级理解或孤立目标识别（如地标识别、车辆检测），但缺乏对城市场景中细粒度空间结构元素的关注。

城市道路标线作为典型的细粒度空间元素，具有窄长、跨图像分布的特点，其理解需要模型具备全局尺度识别、多元素联合推理以及图像信息与交通领域知识融合的能力，这对现有MLLM构成了显著挑战，也是当前基准评测体系中的空白。

数据

RoadBench 数据集

方法

基准任务设计

基准构建流程

评测设置

结果与分析

评测结果表明，即使是当前最强的闭源与开源MLLM在RoadBench各项任务上表现均不理想，且在多个任务上难以超越简单规则或随机选择基线，反映出其在细粒度空间理解、跨视角对齐及结构化坐标输出方面存在明显局限。总体而言，闭源模型相对开源模型具有一定优势，且模型微调可显著提升小模型表现，但与顶尖闭源模型仍存在差距。

图9-8 案例对应正文中描述的GPT-5-Mini的三个典型错误：

Case 1：把非机动车道误计为机动车道，导致车道数高估

Case 2：忽略了没有车辆停留的最左侧车道，导致车道数低估

Case 3：混淆了对向车道的箭头标线，错误地把对向车道计入当前方向

原文链接: https://www.leiphone.com/category/private/Q1Jn4wePX9iKU9wn.html