VoxProg实现3D空间推理

发生了什么

据arXiv cs.CV发布，VoxProg通过体素编程实现3D空间推理，结合语言模型与局部体素视图优化物体放置。该模型能将任务解释转化为局部体素视图上的可执行程序，并从场景网格中直接隔离任务相关区域和边界，计算目标SE(3)姿态。VoxProg在VoxProg-Bench和外部基准测试中持续优于基于关系、关键点和网格的基线方法。