摘要：大語言模型（LLM）的語義推理能力與 3D 視覺的空間感知能力融合，正在徹底改變機(jī)器人感知與自主決策 —— 讓機(jī)器人能聽懂自然語言指令、理解 3D 環(huán)境、自主完成復(fù)雜任務(wù)。由印度理工學(xué)院海得拉巴分校與西悉尼大學(xué)團(tuán)隊(duì)聯(lián)合研究的這篇綜述《Large Language Models and 3D Vision for Intelligent Robotic Perception and Autonomy: A Review》：系統(tǒng)覆蓋了該領(lǐng)域的技術(shù)基礎(chǔ)、核心應(yīng)用、數(shù)據(jù)集與挑戰(zhàn)，為相關(guān)研究和工程落地提供了全景式指南。

一、核心結(jié)論