视觉与机器人

3D 视觉

三维重建、NeRF、Gaussian Splatting、点云和空间智能。

2026-05-26 至 2026-05-26 共收录 2 篇信号源：cs.CV, cs.GR, cs.RO

1. 空间理解 2 篇

2605.25813 2026-05-26 cs.RO 57%

Extending Embodied Question Answering from Perception to Decision

将具身问答从感知扩展到决策

Xicheng Gong, Qiwei Li, Peiran Xu, Yadong Mu

机构 * Peking University（北京大学）； XYZ Embodied AI（XYZ具身AI）

专题命中空间理解：spatial understanding(abstract)；分类 cs.RO

AI总结提出大规模具身问答数据集EQA-Decision和基线模型RoboDecision，系统覆盖静态场景构建、空间理解、任务动态推理和即时决策四个维度，以统一框架评估具身环境中的感知、推理和行动级决策。

Comments 11 pages,4 figures

2601.21406 2026-05-26 cs.CV cs.LG 57%

Generation Enhances Understanding in Unified Multimodal Models via Multi-Representation Generation

通过多表示生成增强统一多模态模型的理解能力

Zihan Su, Hongyang Wei, Kangrui Cen, Yong Wang, Guanhua Chen, Chun Yuan, Xiangxiang Chu

机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学）； AMAP, Alibaba Group（阿里妈妈，阿里巴巴集团）； Shanghai Jiao Tong University（上海交通大学）； Southern University of Science and Technology（南方科技大学）

专题命中空间理解：spatial understanding(abstract)；分类 cs.CV

AI总结提出UniMRG方法，通过辅助生成像素、深度和分割等多重表示，增强统一多模态模型的理解能力，减少幻觉并提升空间理解。

Comments Code: https://github.com/Sugewud/UniMRG