SSR3D-LLM：基于潜在步骤的结构化空间推理用于统一 3D-LLM 中的细粒度定位

三维物体定位旨在从自然语言中定位三维场景内的目标物体。现有的统一实例中心 3D-LLM 多依赖单指针决策，难以处理需结合上下文与空间关系排除同类候选者的细粒度查询。本文提出 SSR3D-LLM，一种结构化定位接口。该方法利用 LLM 生成潜在空间推理步骤序列，结合几何感知评分器逐步优化候选排名。在多个基准测试中，SSR3D-LLM 在细粒度定位任务上显著优于现有统一基线模型，同时保留了默认的语言任务路径。