视觉语言模型 / CVPR2026
R4:面向视觉语言模型在 4D 时空空间中的检索增强推理
R4: Retrieval-Augmented Reasoning for Vision-Language Models in 4D Spatio-Temporal Space
把物体级语义描述锚定到度量空间与时间轴上构建可跨智能体共享的 4D 知识库,并用语义/空间/时序三路键做检索,为 VLM 在具身场景中提供免训练的长时记忆与时空推理能力,可直接迁移到导航与情景问答。
检索增强生成4D-时空记忆具身问答