通过记忆进行接地：用于 3D 功能可供性的跨场景与场景内记忆

功能可供性接地不仅需识别物体，更需定位具体交互区域。针对无训练视觉 - 语言管道在处理微小、模糊及重复区域时的困难，本文提出 AFFORDMEM 框架。该框架通过两级记忆机制实现 3D 功能接地：一是跨场景可供性记忆，利用类别级图像记忆库召回典型示例以引导模型定位；二是场景内空间记忆，构建结构化场景图以解析复杂空间关系引用。该方法无需微调或目标场景标注，在 SceneFun3D 数据集上显著提升了现有无训练方法的性能。