摘要：Affordance（功能可供性）描述了物體的潛在交互屬性（如把手可握持、按鈕可按壓），是具身智能體在 3D 環(huán)境中實(shí)現(xiàn)自主交互的核心基礎(chǔ)。然而，在復(fù)雜場(chǎng)景中，自然語言指令引導(dǎo)的 3D Affordance 分割面臨三大挑戰(zhàn)：需從指令中推理隱含功能目標(biāo)、需精準(zhǔn)定位細(xì)粒度交互部件、需處理高分辨率點(diǎn)云的空間復(fù)雜性。現(xiàn)有方法或局限于單一物體、或忽視 3D 幾何信息、或處理多視圖效率低下，難以滿足真實(shí)場(chǎng)景的交互需求。

由