#空间推理 (5)

提出双记忆架构：4D持久世界状态记忆将瞬态2D观测提升为体素哈希全局空间状态解决感知遗忘，自我工作记忆跟踪任务进度。扩散Transformer基于此联合状态实现主动推理，仅用腕部相机即在LIBERO、RLBench和真实世界达到SOTA，长程任务成功率提升9.4%-17.5%。

多模态大模型在视觉理解上进展显著但存在空间推理幻觉,Geo3R 通过几何关系缓解该问题。

针对多模态大模型在第一人称场景中空间推理能力不足的问题,提出Ego Scene Augmentation方法,通过场景增强提升第一人称视觉问答的空间感知能力。