GeneralVLA-2：用于机器人规划的几何感知重建与受控记忆

通用视觉 - 语言 - 动作系统需对象级 3D 证据与可复用操作经验以规划可靠轨迹。针对单目重建幻觉及原有知识库难以管控质量与冲突的问题，本文提出 GeoFuse-MV3D 分支，利用几何先导融合多视图信息；同时将知识库升级为具备显式质量、置信度及生命周期元数据的受控长期记忆系统。实验表明，该方法在 3D 重建指标及 Terminal-Bench、SWE-Bench 的任务解决率上均显著优于基线。