SpatialLM은 3D 포인트 클라우드를 입력받아 구조화된 실내 장면 이해 결과를 생성하는 3D 대규모 언어 모델입니다. 벽·문·창 같은 건축 요소와 의미 범주가 붙은 방향성 바운딩 박스를 텍스트 형태의 구조화된 출력으로 내보내며, 전용 스캐너 없이 단안 RGB 영상, RGBD 이미지, LiDAR 등 다양한 소스의 포인트 클라우드를 그대로 처리할 수 있습니다. Llama-1B와 Qwen-0.5B 기반의 경량 모델로 공개되어 접근성이 높고, 1.1 버전은 포인트 클라우드 해상도를 두 배로 높이고 Sonata 인코더를 도입해 사용자가 지정한 범주로 객체를 검출합니다. 비정형 기하 데이터와 구조화된 3D 표현 사이를 잇는 접근으로 NeurIPS 2025에 채택되었습니다.