买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京智源人工智能研究院申请的专利三维空间指代推理方法、装置、电子设备及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120633854B 。

龙图腾网通过国家知识产权局官网在2026-03-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510739906.3，技术领域涉及：G06N5/04；该发明授权三维空间指代推理方法、装置、电子设备及存储介质是由迟程;周恩申;盛律;王鹏伟;仉尚航;王仲远设计研发完成，并于2025-06-04向国家知识产权局提交的专利申请。

本三维空间指代推理方法、装置、电子设备及存储介质在说明书摘要公布了：本发明提供一种三维空间指代推理方法、装置、电子设备及存储介质，涉及数据处理技术领域，方法包括：获取目标场景的RGB‑D图像数据和包含空间约束的自然语言指令；其中，RGB‑D图像数据为：包含彩色视觉信息和深度信息的多模态图像数据；将RGB‑D图像数据和自然语言指令输入至预训练的视觉语言大模型中，输出包含显式推理过程的文本和符合空间约束的目标点坐标；其中，视觉语言大模型为：通过深度对齐与空间理解增强的两阶段监督学习微调以及基于显示推理过程的强化学习微调联合训练得到；视觉语言大模型包括独立的深度编码器，深度编码器用于处理深度信息。通过本发明提供的方法，提升了在复杂空间指代任务中的综合表现。

本发明授权三维空间指代推理方法、装置、电子设备及存储介质在权利要求书中公布了：1.一种三维空间指代推理方法，其特征在于，包括： 获取目标场景的RGB-D图像数据和包含空间约束的自然语言指令；其中，所述RGB-D图像数据为：包含彩色视觉信息和深度信息的多模态图像数据； 将所述RGB-D图像数据和所述自然语言指令输入至预训练的视觉语言大模型中，输出包含显式推理过程的文本和符合空间约束的目标点坐标； 其中，所述视觉语言大模型为：通过深度对齐与空间理解增强的两阶段监督学习微调以及基于显式推理过程的强化学习微调联合训练得到；所述视觉语言大模型包括独立的深度编码器，所述深度编码器用于处理所述深度信息； 所述视觉语言大模型还包括：图片编码器、多模态投影层和大语言模型；其中，所述多模态投影层包括：图片投影层和深度投影层； 所述两阶段监督学习微调的过程，包括： 获取具有RGB-D标注的训练数据集，并基于所述训练数据集更新所述深度投影层参数，以实现深度对齐； 获取包含三维注释和显式推理过程的数据集以及通用指令跟随数据集，并基于所述包含三维注释和显式推理过程的数据集以及所述通用指令跟随数据集联合更新所述图片编码器参数、所述深度编码器参数、所述投影层参数以及所述大语言模型参数，以实现空间理解增强； 所述强化学习微调的过程，包括： 获取历史RGB-D图像数据和历史自然语言指令，并将所述历史RGB-D图像数据和所述历史自然语言指令输入至监督学习微调后的视觉大语言模型中，生成多个候选推理路径；其中，所述多个候选推理路径中的每个候选推理路径均包括：包含显式推理过程的文本和符合空间约束的目标点坐标； 对于所述多个候选推理路径中的每个候选推理路径，通过预先设计的奖励函数进行评估，得到奖励值； 基于所述每个候选推理路径的奖励值，通过分组相对策略优化GRPO算法对所述监督学习微调后的视觉大语言模型进行优化，得到训练好的所述视觉语言大模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京智源人工智能研究院，其通讯地址为：100080 北京市海淀区成府路150号楼智源大厦；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。