本研究提出了MetaSpatial，这是首个基于强化学习的框架，旨在提升视觉语言模型的三维空间推理能力，实现实时三维场景生成。通过多轮强化学习优化，MetaSpatial提高了布局的一致性和美观性，验证了其在元宇宙、AR/VR及游戏开发中的有效性。