SpatialClaw는 공간 추론 능력을 가진 에이전트의 성능을 제한하는 기존 인터페이스의 문제점을 해결하기 위해 개발된 새로운 프레임워크입니다. 기존 방식은 단일 패스 코드 실행 또는 제한적인 구조화된 인터페이스를 사용했지만, SpatialClaw는 코드를 액션 인터페이스로 활용하여 유연성을 높였습니다.
SpatialClaw는 VLM 기반 에이전트가 이전 결과물을 기반으로 Python 코드를 작성하며, 이를 통해 공간 추론 과정을 자유롭게 구성하고 중간 결과에 맞춰 분석을 조정할 수 있습니다.
20개의 공간 추론 벤치마크에서 SpatialClaw는 평균 정확도 59.9%를 기록하며, 기존 방식보다 11.2% 높은 성능을 보였으며, 다양한 VLM 백본에서 일관된 성능 향상을 보여주었습니다.