S-Agent 2.0 измеряет сцены по фото и видео

S-Agent 2.0 Набор восприятия в виде консольных команд для обычного кодинг-агента. Агент не просто смотрит на картинку, а измеряет сцену и опирается на числа Смысл в том, что модель часто получает верный замер и все равно отвечает мимо: путает систему отсчета или перебивает измерение интуицией. Здесь агент обязан ссылаться на посчитанное. Слабое место - ошибки реконструкции и неверно поставленный наблюдатель, они тянутся в ответ Внутри замороженные Depth Anything 3, p-mos, GeoCalib и SAM 3 • Сборка метрической сцены по фото и видео, выравнивание по гравитации • Сегментация и превращение масок в именованные 3D-инстансы • Память сцены между вызовами: позиция, размер, поза, имя • Чтение в пространственном языке: спереди, слева, ниже, с единицами и системой отсчета • Расстояния, глубина, высота, движение камеры и объектов, компас, вид сверху • Проверка масок и карты перед ответом github.com/Ropedia/S-Agent-2.0 #agent #vlm