OMAR：开放世界多属性推理的货架整理管线

arXiv 论文提出 OMAR，一个面向场景条件货架整理的开放世界多属性推理管线，在用户不提供偏好说明的情况下推断货架潜在组织方式并对新物体摆放位置排序。 流程为：视觉-语言模型先提出物体标签及内容、包装类型等属性，经分割、深度和多视图关联落地到实例级 3D 场景图；大语言模型在此表示上推理并给出与场景一致的摆放排名；排名随后引导几何与运动学可行性检查以执行放置。论文称该方法支持此前未见物体的自主摆放，无需预定义物体-容器映射或针对特定类别的重训练。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。