UniVR：在视觉空间中思考以实现统一视觉推理

UniVR是一个从纯视觉演示中学习复杂推理、细粒度物理动态和长期规划的框架。其核心是VR-GRPO强化学习范式，通过全局和步骤级奖励确保推理的逻辑和物理一致性。为训练和评估，作者构建了VR-X基准，涵盖16个来源的多样化任务。UniVR在VR-X上取得高达25%的提升，并在多模态理解基准上表现优异，表明视觉空间推理的巨大潜力。

1. 背景与动机：从原始视觉数据中学习世界知识是智能的基础能力，现有方法依赖文本或图像-文本对。
2. 核心方法：提出VR-GRPO强化学习范式，结合全局和步骤级奖励，确保推理的逻辑一致性和物理一致性。
3. 基准构建：创建VR-X基准，包含16个来源的长时操作、空间谜题和物理推理任务，用于纯视觉协议下的评估。
4. 实验结果：UniVR在VR-X上提升高达25%，并在多模态理解基准上表现优异。
5. 开源贡献：所有代码、数据和模型均已开源。

• UniVR是首个从纯视觉演示中同时学习复杂推理、物理动态和长期规划的研究。
• VR-GRPO采用全局和步骤级奖励，无需任务特定启发式或图像-文本对。
• VR-X基准包含16个来源的长时操作、空间谜题和物理推理任务。
• UniVR在VR-X上提升高达25%，并在多模态理解基准上表现优异。
• 所有代码、数据和模型均已开源。