内容摘要
当指令按过去事件中的角色指代物体或部件，而非名称或外观时，机器人既要识别目标，也可能要寻找已被遮挡的目标。作者提出零样本抓取系统BeyondSCe，将历史视频推理与事件条件主动感知连接起来，使用预训练模型，无需额外任务专用训练。
系统先从事件历史识别目标并尝试在当前图像定位；若无法定位，则将历史三维观测与当前几何融合为目标位置概率分布，引导相机换视角。视角评分对穿过未观测空间的视线降低可见性置信度，并随新观测更新地图和分布。
作者使用单个腕载RGB-D相机开展真机实验：初始可见、遮挡条件分别测试50、100次，抓取成功率为76%和77%，对应条件最强基线为40%和55%。另在四个重遮挡场景、共20次试验中，相比获得目标真实三维包围盒的适配版主动感知基线，成功率由75%提高至95%，平均视角数由3.35降至2.20，统计包含失败试验。去掉事件先验后成功率仍为95%，但平均视角数升至4.00，说明该组实验中历史空间线索的收益主要体现为减少搜索。
点评
这项作者真机研究将事件记忆用于目标识别和空间搜索；消融结果尤其支持历史空间先验对搜索效率的作用，而非证明其必然提升抓取成功率。
系统假设搜索期间目标静止。重遮挡比较仅涉及四个场景、20次试验；基线为作者适配实现，结果应按论文内协议理解，不作为独立复现或通用能力结论。
版本与核查范围
版本 2609.39375v1 · 原文定位与程序检查、独立上下文模型复核；不代表独立研究复现。。依据已核查材料整理；未运行模型或机器人。
原文与定位
- 原文链接 page:1；page:8；page:1；page:2；page:4；page:4；page:1；page:6；page:6；page:7；page:7；page:8