神经符号三维定位模型

可解释定位

用语义场景图显式建模三维场景，以可解释的注意力转移替代黑盒模型，在保持定位精度的同时提供推理路径。

Yixuan, Li · Zan, Wang · 梁玮

Pattern Recognition 2025

技术优势

决策过程可解释

模型使用语义场景图显式建模对象属性和空间关系，每一步注意力转移都基于可解读的指令，而非黑盒计算。

精度不下降

在Sr3D/Nr3D基准上，R2G在提供可解释性的同时，达到了与前期工作相当的定位准确率。

推理过程可定制

通过预设的语义词汇表，用户可以将指代性话语转换成推理指令，控制注意力在图上的转移路径。

应用场景

• 具身智能体：可解释的定位让智能体在复杂环境中更可靠地理解指令并给出依据
• 服务机器人导航：服务机器人能通过推理定位用户指代的目标，并在导航中提供理由
• 工业机器人抓取：工业机器人可定位并抓取指定物体，推理路径便于审计和纠错
• 增强现实交互：AR系统能理解用户对场景的指代，以可解释方式高亮目标
• 三维场景解析：场景解析获得结构化语义图，可直接支持下游推理任务