UniVR：在视觉空间中思考以实现统一的视觉推理

直接从原始视觉数据中学习广泛的世界知识是智能的基本能力。我们提出UniVR，首次同时从纯视觉演示中学习复杂推理、细粒度物理动力学和长期规划。其核心是VR-GRPO，一种具有互补全局和步骤级奖励的强化学习范式。该方法在整个推理过程中强制逻辑一致性和物理一致性，无需任务特定的启发式或图像‑文本对。为了训练和评估UniVR，

查看原文