S-Agent 2.0: Spatial Reasoning with a General Coding Agent

Spatial reasoning asks a model to work out where objects are in 3D space, how they relate to one another, and how they move. Agentic VLMs have recently brought large improvements on such tasks by letting the model actively gather evidence with 3D perception tools instead of answering in a single pass. Even so, on many questions the tools return the right evidence and the model still does not arrive at the correct answer: the gap between model and tools, where raw readings become usable conclusions, is left unfilled. We present S-Agent 2.0, a spatial reasoning agent that equips an off-the-shelf general coding agent with a command-line perception toolkit, and we design the interface around one principle: help the VLM close the evidence loop: acquire scene evidence, remember it in a persistent scene memory, and interpret each reading in plain spatial language. This design keeps the full flexibility of a coding agent, and every reading it acts on stays grounded in the tools' geometry. On MMSI-Bench and ReVSI, the toolkit improves a strong open-source model, Qwen3.8-27B, by +13.9 and +20.5 points over the same agent without tools, and a strong closed-source model, Gemini-3.8-Flash, by +11.2 and +9.6 points. With the open backbone S-Agent 2.0 reaches 66.5 on MMSI-Bench and 82.3 on ReVSI, ahead of the specialized system SpatialClaw on the same backbone (62.6 and 74.5), and with Gemini-3.8-Flash it reaches 74.1 and 90.5 against its 67.0 and 79.7. Both tool gains shrink as the backbone grows more capable, but SpatialClaw's shrinks far more on ReVSI, from +13.2 to +2.7, while ours stays at +9.6. S-Agent 2.0 also works across different general coding agent harnesses, such as Codex and Claude Code.

한 줄 요약

S-Agent 2.0은 일반 코딩 에이전트에 지속적 공간 메모리와 명령줄 툴킷을 결합하여 공간 추론 성능을 향상시킨다.

핵심 기여도

**공간 추론 에이전트 S-Agent 2.0**을 제안, 일반 코딩 에이전트에 명령줄 툴킷을 결합.
**지속적 공간 메모리**를 도입하여 측정값을 저장하고 추론 과정에서 활용.
**Qwen3.8-27B** 기반에서 MMSI-Bench +13.9, ReVSI +20.5 개선.
**Gemini-3.8-Flash** 기반에서 MMSI-Bench +11.2, ReVSI +9.6 개선.

핵심 아이디어

기존 공간 추론 에이전트는 툴킷을 통해 측정값을 수집하지만, 모델이 이를 올바르게 해석하지 못하는 문제가 있었다. S-Agent 2.0은 이 **evidence loop**를 닫는 데 초점을 맞춘다. 구체적으로, 측정값을 수집하고, **지속적 공간 메모리**에 저장하며, **공간 언어로 해석**하는 세 단계를 통합적으로 처리한다. 이는 기존 시스템이 툴킷에만 의존하는 반면, S-Agent 2.0은 모델의 자체 인식과 툴킷의 측정값을 **동일한 장면에 통합**하여 공간적 일관성을 유지한다.

기술적 접근법

**공간 추론 에이전트**: 일반 코딩 에이전트(Qwen3.8-27B, Gemini-3.8-Flash)에 명령줄 기반 툴킷 결합.
**지속적 공간 메모리**: 측정값을 저장하고 추론 과정에서 재사용.
**공간 언어 해석**: 측정값을 질문의 공간 언어로 즉시 변환.
**툴킷**: 3D 인식 및 기하 유틸리티 포함.
**하이퍼파라미터**: 명시되지 않음.

주요 결과

**Qwen3.8-27B** 기반: MMSI-Bench 66.5 (기존 +13.9), ReVSI 82.3 (기존 +20.5).
**Gemini-3.8-Flash** 기반: MMSI-Bench 74.1 (기존 +11.2), ReVSI 90.5 (기존 +9.6).
**SpatialClaw** 대비: Qwen3.8-27B 기반에서 MMSI-Bench +3.9, ReVSI +7.8.
**Gemini-3.8-Flash** 기반에서 MMSI-Bench +7.1, ReVSI +10.8.

의의 및 한계

S-Agent 2.0은 공간 추론에서 **공간 언어 해석**과 **지속적 메모리**를 통한 측정값 활용을 강화함으로써 기존 시스템의 한계를 극복한다. 특히, **Gemini-3.8-Flash**와 같은 강력한 모델에서도 툴킷의 성능 향상이 지속되며, 이는 기존 전용 시스템(SpatialClaw)보다 더 안정적인 성능 개선을 보인다. 그러나, 모델의 성능이 높아질수록 툴킷의 기여도가 감소하는 경향이 있으며, 이는 모델 자체가 공간 추론 능력을 더 잘 갖추게 되었기 때문으로 분석된다.

실용적 활용

S-Agent 2.0은 **로봇 제어**, **AR/VR**, **자율 주행** 등 3D 공간 정보를 다루는 산업에 적용 가능하다. 또한, **Codex**, **Claude Code** 등 다양한 코딩 에이전트 허브에서도 동작하므로, 연구 및 개발 환경에서 유연하게 사용할 수 있다.