S-Agent 2.0, 공간 추론용 장면 기억 추가

연구진이 장면을 지속적으로 기억하고 일상 언어로 해석하는 공간 추론 에이전트 S-Agent 2.0을 발표했습니다. 이 시스템은 3차원 지각 도구를 갖춘 범용 코딩 에이전트에 장면 기억과 언어 해석 기능을 더했습니다. 논문은 10월 20일 공개됐고 10월 21일 Hugging Face에 제출됐습니다. 공간 추론은 모델이 3차원 공간에서 물체의 위치와 관계, 움직임을 파악하는 능력입니다.

연구진은 기존 에이전트형 시각·언어 모델이 3차원 지각 도구로 근거를 모으더라도, 도구의 정확한 측정값을 정답으로 연결하지 못할 수 있다고 설명했습니다. S-Agent 2.0은 명령줄 지각 도구 모음과 지속적인 장면 기억을 사용해 장면 근거를 얻고 보존하며, 각 측정값을 공간 언어로 해석합니다. 연구진은 각 해석을 도구가 제공하는 기하 정보에 근거하면서도 에이전트의 유연성을 유지한다고 밝혔습니다.

MMSI-Bench와 ReVSI에서 도구 모음은 도구를 쓰지 않은 동일 에이전트보다 Qwen3.8-27B의 점수를 각각 13.9점과 20.5점 높였습니다. Gemini-3.8-Flash에서는 상승 폭이 각각 11.2점과 9.6점이었습니다. Qwen3.8-27B를 사용한 S-Agent 2.0은 MMSI-Bench에서 66.5점, ReVSI에서 82.3점을 기록해 같은 기반 모델을 쓴 SpatialClaw의 62.6점과 74.5점을 웃돌았습니다. Gemini-3.8-Flash를 사용했을 때는 각각 74.1점과 90.5점으로, SpatialClaw의 67.0점과 79.7점보다 높았습니다.

논문은 기반 모델의 성능이 높아질수록 도구 사용으로 얻는 점수 상승 폭이 줄어든다고 보고했습니다. ReVSI에서 SpatialClaw의 상승 폭은 13.2점에서 2.7점으로 낮아졌지만 S-Agent 2.0은 9.6점을 유지했습니다. 이 시스템은 Codex와 Claude Code를 비롯한 범용 코딩 에이전트 환경에서도 작동합니다.

연구진이 장면을 지속적으로 기억하고 일상 언어로 해석하는 공간 추론 에이전트 S-Agent 2.0을 발표했습니다. 이 시스템은 3차원 지각 도구를 갖춘 범용 코딩 에이전트에 장면 기억과 언어 해석 기능을 더했습니다. 논문은 10월 20일 공개됐고 10월 21일 Hugging Face에 제출됐습니다. 공간 추론은 모델이 3차원 공간에서 물체의 위치와 관계, 움직임을 파악하는 능력입니다.

연구진은 기존 에이전트형 시각·언어 모델이 3차원 지각 도구로 근거를 모으더라도, 도구의 정확한 측정값을 정답으로 연결하지 못할 수 있다고 설명했습니다. S-Agent 2.0은 명령줄 지각 도구 모음과 지속적인 장면 기억을 사용해 장면 근거를 얻고 보존하며, 각 측정값을 공간 언어로 해석합니다. 연구진은 각 해석을 도구가 제공하는 기하 정보에 근거하면서도 에이전트의 유연성을 유지한다고 밝혔습니다.

MMSI-Bench와 ReVSI에서 도구 모음은 도구를 쓰지 않은 동일 에이전트보다 Qwen3.8-27B의 점수를 각각 13.9점과 20.5점 높였습니다. Gemini-3.8-Flash에서는 상승 폭이 각각 11.2점과 9.6점이었습니다. Qwen3.8-27B를 사용한 S-Agent 2.0은 MMSI-Bench에서 66.5점, ReVSI에서 82.3점을 기록해 같은 기반 모델을 쓴 SpatialClaw의 62.6점과 74.5점을 웃돌았습니다. Gemini-3.8-Flash를 사용했을 때는 각각 74.1점과 90.5점으로, SpatialClaw의 67.0점과 79.7점보다 높았습니다.

논문은 기반 모델의 성능이 높아질수록 도구 사용으로 얻는 점수 상승 폭이 줄어든다고 보고했습니다. ReVSI에서 SpatialClaw의 상승 폭은 13.2점에서 2.7점으로 낮아졌지만 S-Agent 2.0은 9.6점을 유지했습니다. 이 시스템은 Codex와 Claude Code를 비롯한 범용 코딩 에이전트 환경에서도 작동합니다.