UniVR：在视觉空间中思考以实现统一视觉推理

本文提出 UniVR，首个仅从纯视觉演示中同时学习复杂推理、细粒度物理动力学及长期规划的研究。其核心是 VR-GRPO 强化学习范式，利用互补的全局与步级奖励，无需特定启发式规则或图文对即可确保推理过程的逻辑连贯与物理一致。研究构建了涵盖长程操作、空间谜题及物理推理的大规模基准 VR-X。实验显示，UniVR 在该基准上性能提升达 25%，并显著增强了多模态理解能力，证明了视觉空间推理的巨大潜力。