深度感知

Multi-SpatialMLLM：面向多模态大语言模型的多帧空间理解

Multi-SpatialMLLM: Multi-Frame Spatial Understanding with Multi-Modal Large Language Models

把深度、跨帧对应、动态感知等基础空间技能统一进 MLLM 训练，并用 2700 万级 3D/4D 数据管线与统一指标基准评测多帧空间推理，可直接复用于机器人多帧奖励标注与具身感知。